大腦皮層網絡有向功能連通性是理解大腦組織行為活動方式的關鍵。本文探索步槍射擊任務中射手大腦網絡在腦電信號不同節律下的有向功能連通性，為加速步槍射擊訓練方法的研究提供神經科學方面的依據。采用擴展概率性因果方法分析步槍射擊專家和新手在射擊準備（pre-shot）階段大腦皮層的有效定向功能連接。結果表明，額區、額-中、中央區、頂區和枕區在射擊過程中都被激活，并且大腦右半球功能連接數量明顯多于左半球。在 pre-shot 階段，與專家相比較，新手大腦皮層網絡參與活動的腦區明顯增多、網絡節點間的連接強度更大、全局效率值較低。這些結果間接地證明了新手需要更努力地協調更多的資源來完成任務，這與專家功能性腦組織的“神經效率”假說一致。
引用本文： 張立偉, 周前祥, 柳忠起, 饒永紅. 基于因果關系的步槍射擊pre-shot階段腦電網絡分析. 生物醫學工程學雜志, 2018, 35(4): 518-523. doi: 10.7507/1001-5515.201705078 復制
引言
隨著認知神經科學技術的發展，越來越多的研究者關注射擊運動過程中的大腦認知活動。據已有文獻報道，射擊得分與腦電信號（electroencephalogram，EEG）的幅值和功率譜變化有關系[1-4]。在射擊的 pre-shot（執行射擊動作之前大量的精神活動準備，被稱為 pre-shot）期間，與新射手（以下簡稱為新手）相比，專家級射手（以下簡稱為專家）大腦頂區和枕區的 EEG 信號功率較高[2-3]。也有其他文獻報道在專家大腦的顳-頂區，EEG 功率增加的幅度較大[4]。Doppelmayr 等[5]發現，專家額區在 theta 頻帶內的 EEG 功率顯著增加。然而，對全腦區范圍來說，專家被觀察到 EEG 活動相對較少，這說明專家的神經網絡比新手能更有效地被組織[6]，符合專家功能性腦組織中的“神經效率”假說（神經效率假說：以最小的能量消耗表示更有效的大腦皮質組織功能[6-7]）。即較低的神經復雜度將與較高的射擊分數和較小的績效可變性相關聯[8]。還有研究認為“神經效率”與 EEG 增強的功率譜具有相關性[9]。而且，相關性的大小反映出兩個腦區之間的突觸連接的強度[10]。Gentili 等[10]通過功率相關性證明了皮層-皮層之間溝通減少時射擊運動績效會提高。
傳統的互相關、互信息等相關性分析方法證明腦區之間存在功能連接，并且指出高度相關的活動區域[9-11]。但是，只有少數研究分析射擊運動 pre-shot 階段大腦功能連接的方向；也很少有文獻報道專家與新手的有向功能網絡的差異以及從有向功能連接的角度探討“神經效率”假說。
本文使用概率性因果方法（generalized orthogonalized partial directed coherence，gOPDC）評估射擊動作執行前大腦的定向連接狀態，觀察 EEG 信號在感興趣區域的定向網絡連接隨頻率演變的規律[12]。本研究的具體目標是：① 探索專家和新手兩組人群大腦網絡信息流向的差異；② 以腦網絡的方式驗證專家功能性腦組織中的“神經效率”假說。本研究的結果可以為加速步槍射擊訓練方法的研究提供實證數據和有意義的見解。
1 方法
1.1 參與者
本試驗被試人員由 11 個步槍射擊專家（士兵）和 9 個射擊新手（大學生）組成。專家至少有 6 年的步槍射擊經驗，年齡在 25～40（30.6 ± 5.01）歲；新手均沒有實彈射擊經驗，年齡在 23～35（28.4 ± 4.69）歲。試驗志愿者都為右利手的健康人，均提前了解試驗過程并簽署知情同意書。
1.2 任務過程
在熱身射擊結束后，每個射手使用 56 式半自動步槍完成 3 輪射擊任務，每輪 10 次。每次射擊任務包含據槍、瞄準和射擊三個階段。其中，據槍和瞄準階段統稱為 pre-shot 階段，在 pre-shot 開始時刻有聲音（音樂聲）提醒。射手距離標準環形靶 70 m。射擊分數由電子自動報靶器記錄。專家的射擊分數為 8.76 ± 0.13，新手的射擊分數為 3.99 ± 0.38。經獨立樣本 t 檢驗進行統計，結果顯示兩組人群的射擊分數差異有統計學意義（P < 0.001），證明專家組得分明顯高于新手組。
腦電數據采集使用遵循 10～20 標準的 32 導聯腦電帽（ElectroCap Inc，美國）、型號為 BP ActiCHamp 的放大器和版本為 1.0 的腦電記錄軟件 Recorder。放大器的采樣率設置為 1 000 Hz。參考電極為 Fz 導聯，并且電極阻抗保持在 5 kΩ 以下。
1.3 數據分析
1.3.1 EEG 預處理
原始 EEG 信號使用軟件 BrainVision Analyzer 2.1 進行預處理。首先，采用獨立分量分析（independent component analysis，ICA）方法去除眼電信號。其次，采用半自動方式去除偽跡。再次，使用 10 階切比雪夫濾波器進行濾波（0.1～45 Hz）后，將參考電極轉化為全腦平均。之后，對數據進行分段：每試次的 EEG 數據以射擊點為零點截取 4 個長度為 1 s 的子數據段，–3～–2 s 標記為 T1，–2～–1 s 標記為 T2，–1～0 s 標記為 T3，–6～–5 s（據槍階段數據）標記為 S1（基線數據）。最后，將采樣率降低到 256 Hz。
借鑒之前的研究[1-2]，對額區、額-中區、中央區、頂區和枕區的腦電信號在 theta（4～7 Hz）、alpha（8～13 Hz）、low-beta（14～22 Hz）、high-beta（23～35 Hz）四個頻段上進行分析。具體地，腦區左半球電極為 F3、FC5、C3、P3 和 O1；右半球電極為 F4、FC6、C4、P4 和 O4。
預處理后的 EEG 數據使用小波變換提取 4 個頻帶的子數據，并且采用 augmented Dickey-Fuller（ADF）測試進行平穩性測試。
1.3.2 因果分析方法
本文采用基于多變量自回歸（multivariate regression model，MVAR）模型[13-14]的 gOPDC 方法計算不同頻率分布下的 EEG 腦區之間的連接強度，并提取有效連接的方向信息，詳見公式（1）。
 |
其中，n 是時間序列長度，f 是頻率信息；
，ω 是對角協方差矩陣
的零均值白噪聲向量；
是
第 l 列元素，
是
的第 k 行 l 列元素；alH 是向量 al 的共軛轉置。gOPDC 值
的范圍為 0～1，這種計算方式不僅考慮了試次之間的差異，也消除了志愿者之間的差異[12]。根據基線數據的 gOPDC 值得到網絡連接的閾值為 0.005。本文通過分析 pre-shot 階段半球內網絡屬性（時-頻分析、因果關系矩陣和全局效率）探討大腦功能腦區之間的相互作用。
1.3.3 統計分析
對 pre-shot 階段專家和新手半球內腦網絡的全局效率值進行 ANOVA 分析。首先進行球形檢驗，如果違反球形假設，使用 Greenhouse-Geisser 進行自由度校正，并將 Tukey’s HSD 作為事后檢驗算法（P < 0.05）。
2 結果
2.1 EEGs 因果關系的時-頻分析
為量化專家和新手在 pre-shot 階段半球內各電極之間的連接情況，計算了頻率段 0.1～45 Hz 的 gOPDC 值。由于篇幅的限制，圖 1 只畫出臨近射擊零點的 T3 時間段內，專家和新手大腦左半球 5 個電極（額區 F3、額-中區 FC5、中央區 C3、頂區 P3 和枕區 O1）相互連接的時-頻信息流圖。
圖1
EEG 時-頻信息流圖
a. 專家大腦左半球的額-中央-頂-枕區的 gOPDC 信息流圖；b. 新手大腦左半球的額-中央-頂-枕區的 gOPDC 信息流圖；c. 連接 FC5→P3 在 T3、0.1～45 Hz 頻率段內的的信息流圖。圖上方箭頭表示信息流的方向
Figure1. EEG time-frequency information flowa. average gOPDC measures for the frontal-central-parietal-occipital regions at the left hemispheres in the experts; b. average gOPDC measures for the frontal-central-parietal-occipital regions at the left hemispheres in the novices; c. the FC5→P3 information flow which the gOPDC measure was averaged during the T3 period within the frequency range of 0.1–45 Hz. The direction of the information flow is presented on top of each map
圖 1a 和1b 顯示了專家和新手都有較強的信息流流向中央區 C3 和頂區 P3，尤其是連接 F3→C3、P3→C3、FC5→P3 和 F3→P3。在這些電極對中專家只在 20 Hz 以下頻率帶信息流強度較大，而新手的強信息流體現在更寬的頻率范圍內。為了更清楚地顯示信息流的情況，圖 1c 放大了專家和新手的單向連接 FC5→P3 在 0.1～45 Hz 的時-頻信息流圖。可以看到在前 250 ms 的時間段內，新手具有強信息流的頻率范圍要明顯大于專家。另外，T1 時間段的信息流計算結果發現專家和新手的信息流主要流入額區；而 T2 時間段，信息流開始向中央區和頂區匯聚。在 T1 和 T2 時間段也存在新手的強信息流表現在更寬的頻率范圍內的情況。
2.2 EEGs 因果關系矩陣
因果關系矩陣可以更直觀地對比專家和新手半球內電極之間的相互作用。圖 2 顯示了 pre-shot 階段（T1、T2、T3）在 4 個頻率帶（theta、alpha、low-beta、high-beta）的連接。每個頻率帶存在的網絡連接情況有差異：在 theta 頻段，新手 T1 和 T2 時間段的信息流主要流入額區和中央區；而專家在 T2 時間段信息流主要流入中央區和頂區。alpha 和 low-beta 頻段，專家和新手的左半球信息流主要流入中央區和頂區，但右半球沒有明顯的規律。在 T3 時間段，新手有信息流流入額區、中央區和頂區，尤其是在 low-beta 頻段流入頂區的信息流較多；專家的信息流則主要匯入中央區。
值得注意的是，在 theta、alpha 和 high-beta 頻帶都可以看到專家和新手大腦左半球的連接數量比右半球少；還可以看到專家和新手右半球在整個 pre-shot 階段都出現由額-中區、中央區和頂區組成相互作用的三角形。
圖2
專家和新手的因果關系連接圖
Figure2.
The causality networks in the experts and novices
2.3 全局效率
圖 3 顯示步槍射擊專家和新手半球內全局效率的平均值。在 theta 頻率段，專家左、右半球在 T2 時間段的全局效率值均顯著高于新手。在 alpha 頻段，專家右半球在 T1 和 T2 時間段全局效率值稍微大于新手，而且呈現增強的趨勢。在 low-beta 和 high-beta 頻段，專家大腦右半球的全局效率大于新手，尤其是在 T1 時間段。值得注意的是在 high-beta 頻段，專家和新手的全局效率平均值均明顯大于其他 3 個頻率段；而且專家右半球的全局效率值呈下降趨勢，但是新手基本沒有變化。
圖3
專家和新手在三個時間段、四個頻率帶的半球內全局效率值（*P < 0.05）
Figure3.
The hemispheric global efficiency in the experts and novices at four frequency bands during three periods (*P < 0.05)
3 討論
射擊任務需要由視覺、運動等多個感官的神經整合共同完成。本文旨在通過因果分析研究射擊 pre-shot 階段被激活的多個腦區之間的相互作用。研究結果顯示，在 theta 頻率段，專家和新手均有信息流入額區和額-中區，說明額區皮層-皮層交流的變化可能反映出前額在執行任務過程中的參與程度，這與其他研究得到的專家射手在 pre-shot 階段額區的功率值增加情況一致[15]。在 alpha、low-beta 和 high-beta 頻帶，專家和新手匯入中央區和頂區的信息流較多，這與 Del Percio 等報道的結果相同，說明 alpha 和 beta 能夠反映選擇性注意和制定精確的視覺運動[16]；這也可能說明頂區與注意再投資有關[17]。進一步分析發現，三個時間段，在不同的頻帶均出現大腦右半球的額-中區、中央區、頂區組成一個三角形環路的情況，說明在功能網絡中存在功能性聚類，在相互聯系的大腦區域中進行著特殊的處理。在 T2、T3 時間段及4～35 Hz 頻率帶，新手大腦網絡的連接數量比專家多，而且連接強度比專家大，說明新手有更多參與信息交互的腦區。專家較少的大腦皮層-皮層之間的交流，符合專家“神經效率”假說的描述，即某些腦區域神經活動較少，是因為擁有特定的技能而使運動變得更加自動化，控制更少[18]。
此外，研究結果還表明在 pre-shot 階段大腦兩個半球的表現不同：左半球連接數量比右半球少；左半球信息流動比右半球更有規律性。具體來說，在 T2、T3 階段信息流主要匯入左半球的中央區和頂區，而右半球的信息流動較分散；右半球專家和新手的全局效率差異更大。這些表現顯示出大腦的側向化現象。這可能是因為被試者使用右手執行射擊任務，這些神經反應符合解剖生理學中的大腦左半球支配身體右側運動的原理。
網絡全局效率能夠度量網絡的全局傳輸能力，也可以衡量信息整合的能力。全局效率越大，說明信息整合能力越強。從結果可以看出專家和新手大腦左半球的全局效率差別不大，可能是由于專家部分腦區的連接強度比新手大但整體連接數較少的原因。但是在大腦右半球，專家的全局效率明顯高于新手，說明在射擊過程中，雖然左半球起主導作用，但是右半球也起到了協調的作用。特殊地，high-beta 頻段的全局效率值要比其他三個頻率段的大，而且專家的全局效率比新手的大，說明 high-beta 頻率段是表現信息整合能力的主要頻率段。
4 結論
本文從腦網絡的角度分析了步槍射擊任務 pre-shot 期間大腦區域之間的相互作用。theta 頻段，額區匯入的信息流多，而且強度較大。alpha、low-beta 和 high-beta 頻段，中央區和頂區較活躍。與專家相比，新手在射擊任務 pre-shot 期間大腦皮層網絡節點間的連接數量更多、連接強度更大，這些現象表明新手需要更努力地招募更多的資源來完成任務。high-beta 頻率段的全局效率值比其他頻段的值明顯增大，說明 high-beta 頻段是主要參與步槍射擊相關的信息整合的頻段；與新手相比專家的全局效率值更大，說明專家大腦的信息整合能力更強。這些驗證了步槍射擊任務符合“神經效率”假說。將來的工作可以在以下 3 個方面繼續進行：① 分析半球間的網絡連接情況；② 功能聚類進行統計學分析；③ 設計訓練方案，增強射擊新手的神經通道的連接，縮短連接長度。
引言
隨著認知神經科學技術的發展，越來越多的研究者關注射擊運動過程中的大腦認知活動。據已有文獻報道，射擊得分與腦電信號（electroencephalogram，EEG）的幅值和功率譜變化有關系[1-4]。在射擊的 pre-shot（執行射擊動作之前大量的精神活動準備，被稱為 pre-shot）期間，與新射手（以下簡稱為新手）相比，專家級射手（以下簡稱為專家）大腦頂區和枕區的 EEG 信號功率較高[2-3]。也有其他文獻報道在專家大腦的顳-頂區，EEG 功率增加的幅度較大[4]。Doppelmayr 等[5]發現，專家額區在 theta 頻帶內的 EEG 功率顯著增加。然而，對全腦區范圍來說，專家被觀察到 EEG 活動相對較少，這說明專家的神經網絡比新手能更有效地被組織[6]，符合專家功能性腦組織中的“神經效率”假說（神經效率假說：以最小的能量消耗表示更有效的大腦皮質組織功能[6-7]）。即較低的神經復雜度將與較高的射擊分數和較小的績效可變性相關聯[8]。還有研究認為“神經效率”與 EEG 增強的功率譜具有相關性[9]。而且，相關性的大小反映出兩個腦區之間的突觸連接的強度[10]。Gentili 等[10]通過功率相關性證明了皮層-皮層之間溝通減少時射擊運動績效會提高。
傳統的互相關、互信息等相關性分析方法證明腦區之間存在功能連接，并且指出高度相關的活動區域[9-11]。但是，只有少數研究分析射擊運動 pre-shot 階段大腦功能連接的方向；也很少有文獻報道專家與新手的有向功能網絡的差異以及從有向功能連接的角度探討“神經效率”假說。
本文使用概率性因果方法（generalized orthogonalized partial directed coherence，gOPDC）評估射擊動作執行前大腦的定向連接狀態，觀察 EEG 信號在感興趣區域的定向網絡連接隨頻率演變的規律[12]。本研究的具體目標是：① 探索專家和新手兩組人群大腦網絡信息流向的差異；② 以腦網絡的方式驗證專家功能性腦組織中的“神經效率”假說。本研究的結果可以為加速步槍射擊訓練方法的研究提供實證數據和有意義的見解。
1 方法
1.1 參與者
本試驗被試人員由 11 個步槍射擊專家（士兵）和 9 個射擊新手（大學生）組成。專家至少有 6 年的步槍射擊經驗，年齡在 25～40（30.6 ± 5.01）歲；新手均沒有實彈射擊經驗，年齡在 23～35（28.4 ± 4.69）歲。試驗志愿者都為右利手的健康人，均提前了解試驗過程并簽署知情同意書。
1.2 任務過程
在熱身射擊結束后，每個射手使用 56 式半自動步槍完成 3 輪射擊任務，每輪 10 次。每次射擊任務包含據槍、瞄準和射擊三個階段。其中，據槍和瞄準階段統稱為 pre-shot 階段，在 pre-shot 開始時刻有聲音（音樂聲）提醒。射手距離標準環形靶 70 m。射擊分數由電子自動報靶器記錄。專家的射擊分數為 8.76 ± 0.13，新手的射擊分數為 3.99 ± 0.38。經獨立樣本 t 檢驗進行統計，結果顯示兩組人群的射擊分數差異有統計學意義（P < 0.001），證明專家組得分明顯高于新手組。
腦電數據采集使用遵循 10～20 標準的 32 導聯腦電帽（ElectroCap Inc，美國）、型號為 BP ActiCHamp 的放大器和版本為 1.0 的腦電記錄軟件 Recorder。放大器的采樣率設置為 1 000 Hz。參考電極為 Fz 導聯，并且電極阻抗保持在 5 kΩ 以下。
1.3 數據分析
1.3.1 EEG 預處理
原始 EEG 信號使用軟件 BrainVision Analyzer 2.1 進行預處理。首先，采用獨立分量分析（independent component analysis，ICA）方法去除眼電信號。其次，采用半自動方式去除偽跡。再次，使用 10 階切比雪夫濾波器進行濾波（0.1～45 Hz）后，將參考電極轉化為全腦平均。之后，對數據進行分段：每試次的 EEG 數據以射擊點為零點截取 4 個長度為 1 s 的子數據段，–3～–2 s 標記為 T1，–2～–1 s 標記為 T2，–1～0 s 標記為 T3，–6～–5 s（據槍階段數據）標記為 S1（基線數據）。最后，將采樣率降低到 256 Hz。
借鑒之前的研究[1-2]，對額區、額-中區、中央區、頂區和枕區的腦電信號在 theta（4～7 Hz）、alpha（8～13 Hz）、low-beta（14～22 Hz）、high-beta（23～35 Hz）四個頻段上進行分析。具體地，腦區左半球電極為 F3、FC5、C3、P3 和 O1；右半球電極為 F4、FC6、C4、P4 和 O4。
預處理后的 EEG 數據使用小波變換提取 4 個頻帶的子數據，并且采用 augmented Dickey-Fuller（ADF）測試進行平穩性測試。
1.3.2 因果分析方法
本文采用基于多變量自回歸（multivariate regression model，MVAR）模型[13-14]的 gOPDC 方法計算不同頻率分布下的 EEG 腦區之間的連接強度，并提取有效連接的方向信息，詳見公式（1）。
|
其中，n 是時間序列長度，f 是頻率信息；
，ω 是對角協方差矩陣
的零均值白噪聲向量；
是
第 l 列元素，
是
的第 k 行 l 列元素；alH 是向量 al 的共軛轉置。gOPDC 值
的范圍為 0～1，這種計算方式不僅考慮了試次之間的差異，也消除了志愿者之間的差異[12]。根據基線數據的 gOPDC 值得到網絡連接的閾值為 0.005。本文通過分析 pre-shot 階段半球內網絡屬性（時-頻分析、因果關系矩陣和全局效率）探討大腦功能腦區之間的相互作用。
1.3.3 統計分析
對 pre-shot 階段專家和新手半球內腦網絡的全局效率值進行 ANOVA 分析。首先進行球形檢驗，如果違反球形假設，使用 Greenhouse-Geisser 進行自由度校正，并將 Tukey’s HSD 作為事后檢驗算法（P < 0.05）。
2 結果
2.1 EEGs 因果關系的時-頻分析
為量化專家和新手在 pre-shot 階段半球內各電極之間的連接情況，計算了頻率段 0.1～45 Hz 的 gOPDC 值。由于篇幅的限制，圖 1 只畫出臨近射擊零點的 T3 時間段內，專家和新手大腦左半球 5 個電極（額區 F3、額-中區 FC5、中央區 C3、頂區 P3 和枕區 O1）相互連接的時-頻信息流圖。
圖1
EEG 時-頻信息流圖
a. 專家大腦左半球的額-中央-頂-枕區的 gOPDC 信息流圖；b. 新手大腦左半球的額-中央-頂-枕區的 gOPDC 信息流圖；c. 連接 FC5→P3 在 T3、0.1～45 Hz 頻率段內的的信息流圖。圖上方箭頭表示信息流的方向
Figure1. EEG time-frequency information flowa. average gOPDC measures for the frontal-central-parietal-occipital regions at the left hemispheres in the experts; b. average gOPDC measures for the frontal-central-parietal-occipital regions at the left hemispheres in the novices; c. the FC5→P3 information flow which the gOPDC measure was averaged during the T3 period within the frequency range of 0.1–45 Hz. The direction of the information flow is presented on top of each map
圖 1a 和1b 顯示了專家和新手都有較強的信息流流向中央區 C3 和頂區 P3，尤其是連接 F3→C3、P3→C3、FC5→P3 和 F3→P3。在這些電極對中專家只在 20 Hz 以下頻率帶信息流強度較大，而新手的強信息流體現在更寬的頻率范圍內。為了更清楚地顯示信息流的情況，圖 1c 放大了專家和新手的單向連接 FC5→P3 在 0.1～45 Hz 的時-頻信息流圖。可以看到在前 250 ms 的時間段內，新手具有強信息流的頻率范圍要明顯大于專家。另外，T1 時間段的信息流計算結果發現專家和新手的信息流主要流入額區；而 T2 時間段，信息流開始向中央區和頂區匯聚。在 T1 和 T2 時間段也存在新手的強信息流表現在更寬的頻率范圍內的情況。
2.2 EEGs 因果關系矩陣
因果關系矩陣可以更直觀地對比專家和新手半球內電極之間的相互作用。圖 2 顯示了 pre-shot 階段（T1、T2、T3）在 4 個頻率帶（theta、alpha、low-beta、high-beta）的連接。每個頻率帶存在的網絡連接情況有差異：在 theta 頻段，新手 T1 和 T2 時間段的信息流主要流入額區和中央區；而專家在 T2 時間段信息流主要流入中央區和頂區。alpha 和 low-beta 頻段，專家和新手的左半球信息流主要流入中央區和頂區，但右半球沒有明顯的規律。在 T3 時間段，新手有信息流流入額區、中央區和頂區，尤其是在 low-beta 頻段流入頂區的信息流較多；專家的信息流則主要匯入中央區。
值得注意的是，在 theta、alpha 和 high-beta 頻帶都可以看到專家和新手大腦左半球的連接數量比右半球少；還可以看到專家和新手右半球在整個 pre-shot 階段都出現由額-中區、中央區和頂區組成相互作用的三角形。
圖2
專家和新手的因果關系連接圖
Figure2.
The causality networks in the experts and novices
2.3 全局效率
圖 3 顯示步槍射擊專家和新手半球內全局效率的平均值。在 theta 頻率段，專家左、右半球在 T2 時間段的全局效率值均顯著高于新手。在 alpha 頻段，專家右半球在 T1 和 T2 時間段全局效率值稍微大于新手，而且呈現增強的趨勢。在 low-beta 和 high-beta 頻段，專家大腦右半球的全局效率大于新手，尤其是在 T1 時間段。值得注意的是在 high-beta 頻段，專家和新手的全局效率平均值均明顯大于其他 3 個頻率段；而且專家右半球的全局效率值呈下降趨勢，但是新手基本沒有變化。
圖3
專家和新手在三個時間段、四個頻率帶的半球內全局效率值（*P < 0.05）
Figure3.
The hemispheric global efficiency in the experts and novices at four frequency bands during three periods (*P < 0.05)
3 討論
射擊任務需要由視覺、運動等多個感官的神經整合共同完成。本文旨在通過因果分析研究射擊 pre-shot 階段被激活的多個腦區之間的相互作用。研究結果顯示，在 theta 頻率段，專家和新手均有信息流入額區和額-中區，說明額區皮層-皮層交流的變化可能反映出前額在執行任務過程中的參與程度，這與其他研究得到的專家射手在 pre-shot 階段額區的功率值增加情況一致[15]。在 alpha、low-beta 和 high-beta 頻帶，專家和新手匯入中央區和頂區的信息流較多，這與 Del Percio 等報道的結果相同，說明 alpha 和 beta 能夠反映選擇性注意和制定精確的視覺運動[16]；這也可能說明頂區與注意再投資有關[17]。進一步分析發現，三個時間段，在不同的頻帶均出現大腦右半球的額-中區、中央區、頂區組成一個三角形環路的情況，說明在功能網絡中存在功能性聚類，在相互聯系的大腦區域中進行著特殊的處理。在 T2、T3 時間段及4～35 Hz 頻率帶，新手大腦網絡的連接數量比專家多，而且連接強度比專家大，說明新手有更多參與信息交互的腦區。專家較少的大腦皮層-皮層之間的交流，符合專家“神經效率”假說的描述，即某些腦區域神經活動較少，是因為擁有特定的技能而使運動變得更加自動化，控制更少[18]。
此外，研究結果還表明在 pre-shot 階段大腦兩個半球的表現不同：左半球連接數量比右半球少；左半球信息流動比右半球更有規律性。具體來說，在 T2、T3 階段信息流主要匯入左半球的中央區和頂區，而右半球的信息流動較分散；右半球專家和新手的全局效率差異更大。這些表現顯示出大腦的側向化現象。這可能是因為被試者使用右手執行射擊任務，這些神經反應符合解剖生理學中的大腦左半球支配身體右側運動的原理。
網絡全局效率能夠度量網絡的全局傳輸能力，也可以衡量信息整合的能力。全局效率越大，說明信息整合能力越強。從結果可以看出專家和新手大腦左半球的全局效率差別不大，可能是由于專家部分腦區的連接強度比新手大但整體連接數較少的原因。但是在大腦右半球，專家的全局效率明顯高于新手，說明在射擊過程中，雖然左半球起主導作用，但是右半球也起到了協調的作用。特殊地，high-beta 頻段的全局效率值要比其他三個頻率段的大，而且專家的全局效率比新手的大，說明 high-beta 頻率段是表現信息整合能力的主要頻率段。
4 結論
本文從腦網絡的角度分析了步槍射擊任務 pre-shot 期間大腦區域之間的相互作用。theta 頻段，額區匯入的信息流多，而且強度較大。alpha、low-beta 和 high-beta 頻段，中央區和頂區較活躍。與專家相比，新手在射擊任務 pre-shot 期間大腦皮層網絡節點間的連接數量更多、連接強度更大，這些現象表明新手需要更努力地招募更多的資源來完成任務。high-beta 頻率段的全局效率值比其他頻段的值明顯增大，說明 high-beta 頻段是主要參與步槍射擊相關的信息整合的頻段；與新手相比專家的全局效率值更大，說明專家大腦的信息整合能力更強。這些驗證了步槍射擊任務符合“神經效率”假說。將來的工作可以在以下 3 個方面繼續進行：① 分析半球間的網絡連接情況；② 功能聚類進行統計學分析；③ 設計訓練方案，增強射擊新手的神經通道的連接，縮短連接長度。
