【六一特稿】为什么人会随着长大变“聪明”:儿童认知能力的大脑神经网络基础

2017 年 6 月 1 日 新智元

 新智元编译  

来源:sciencedaily.com

作者:Rand Hindi

编译:弗格森


【新智元导读】大脑的“ 执行功能” 对于个人的发展来说事关重大,宾夕法尼亚大学 Perelman 医学院的研究,发现了人脑中影响这些“执行功能”提升的大脑网络组织。研究显示,为了获得效率上的提升,走向成熟的大脑越来越多地分解成不同的网络模块。事实上,新的证据表明,一个人“执行功能” 随着年龄增大的提升程度取决于特定的模块化网络结构出现的程度。


随着儿童进入青少年时期,在展示自己控制冲动、遵守规矩和做决策的能力上,他们会展现出惊人进步。这些大脑的“ 执行功能” 对于个人的发展来说事关重大,会影响教育的成功、药物的使用和精神疾病等等。根据Current Biology 5月25日的报道,研究员们已经发现人脑中影响这些“执行功能”提升的大脑网络组织。


研究显示,为了获得效率上的提升,走向成熟的大脑越来越多地分解成不同的网络模块。事实上,新的证据表明,一个人“执行功能” 随着年龄增大的提升程度取决于特定的模块化网络结构出现的程度。


“我们非常惊喜地发现,大脑网络结构的改善和发展,涉及到越来越多的模块分离和全局的整合,因为高度模块化的系统也可能会变成碎片化的”,宾夕法尼亚大学Perelman医学院精神病学的助理教授Ted Satterthwaite说,“数量越来越多,但是又没有被全局性地整合到网络拓扑中的模块有可能会将大脑中沟通的效率最大化,同时将线路成本最小化。”


这一发现表明,模块化的大脑结构对于复杂的认知和行为发展尤为关键。它们可能还有利于鉴定大脑不正常发育的指标,进而预测一个人患上精神疾病和重大情绪失控的风险,研究者称。


Satterthwaite和他的同事希望能定义结构化网络模块的正常发展以及这种模块与执行功能之间的关系。他们对882名8到22岁的青少年进行了实验,让他们完成弥散成像测试。这是Philadelphia Neurodevelopmental Cohort 社区研究的一部分,该研究拥有丰富的神经成像和认知数据。


正如他们预计的那样,受试者中,随着年龄的增长,执行功能有明显的改进。对这些大脑图片的分析发现了一个正在增长的专门化的、模块化的结构,并且还没有被完全融合。


 “模块化网络架构的发展并不会让大脑变得碎片化”,该研究的第一作者Graham Baum说。他是宾夕法尼亚大学Perelman医学院的博士候选人。他说:“事实上,整个网络的沟通容量确实增长了,这要归功于不同模块间特定的‘中心’ (hub)连接的增强。这一结果表面,随着孩子年龄的增长,他们的大脑内部会越来越变成一个具体的单元,同时,也会融合成为一个整体。


研究者表示,一个整体的融合网络架构可能对于支持特定的信息处理,减少不同大脑系统间的相互干扰起到关键作用。同时,整体融合度的提升,可能会让这些特定的部分合作,形成一个一致的风格。研究者还发现,在这些模块化结构和个人在测试执行功能上的表现之间,存在着关联。


研究者称,他们正在将结构的和功能的成像技术结合起来,以检验结构化的大脑网络是如何限制和塑造功能性的大脑网络和激活模式。他们还会研究,大脑网络的信息能否预测孩子未来精神障碍的发病风险。




论文DOI: http://dx.doi.org/10.1016/j.cub.2017.04.051

原文地址:https://www.sciencedaily.com/releases/2017/05/170525123048.htm




登录查看更多
0

相关内容

华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
125+阅读 · 2020年5月22日
【ICMR2020】持续健康状态接口事件检索
专知会员服务
17+阅读 · 2020年4月18日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
鼠标终将消失,未来我们有哪些人机交互方式?
人工智能学家
5+阅读 · 2018年11月25日
外泌体相比干细胞的优势是什么?
外泌体之家
43+阅读 · 2018年11月15日
人工神经网络真的像神经元一样工作吗?
论智
9+阅读 · 2018年11月15日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
已删除
哈佛商业评论
4+阅读 · 2017年11月1日
心理学与脑科学:进展、思考和展望
科技导报
9+阅读 · 2017年10月27日
Arxiv
24+阅读 · 2020年3月11日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Joint Monocular 3D Vehicle Detection and Tracking
Arxiv
8+阅读 · 2018年12月2日
Arxiv
6+阅读 · 2018年10月3日
Arxiv
8+阅读 · 2018年1月19日
Arxiv
23+阅读 · 2017年3月9日
VIP会员
相关资讯
鼠标终将消失,未来我们有哪些人机交互方式?
人工智能学家
5+阅读 · 2018年11月25日
外泌体相比干细胞的优势是什么?
外泌体之家
43+阅读 · 2018年11月15日
人工神经网络真的像神经元一样工作吗?
论智
9+阅读 · 2018年11月15日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
已删除
哈佛商业评论
4+阅读 · 2017年11月1日
心理学与脑科学:进展、思考和展望
科技导报
9+阅读 · 2017年10月27日
相关论文
Arxiv
24+阅读 · 2020年3月11日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Joint Monocular 3D Vehicle Detection and Tracking
Arxiv
8+阅读 · 2018年12月2日
Arxiv
6+阅读 · 2018年10月3日
Arxiv
8+阅读 · 2018年1月19日
Arxiv
23+阅读 · 2017年3月9日
Top
微信扫码咨询专知VIP会员