新生儿重症监护病房往往愿意为早产儿放音乐来丰富环境。然而,迄今为止还没有关于音乐对早产儿大脑发育影响的报道。利用静息态功能磁共振成像(rs-fMRI),本文确定了一个感兴趣回路的特征,是由突显网络为中心所连接的三个网络模块组成的,以往研究发现,与足月新生儿相比,早产儿的网络耦合程度较低。但有趣的是,本文发现,在新生儿重症监护病房中接触音乐的早产儿,其大脑网络之间的耦合显著增加,而此前的研究显示,早产儿这一网络的耦合性存在明显降低:包括突显网络与额上、听觉和感觉运动网络,突显网络和丘脑、楔前叶网络。因此,本文的结果表明,接触音乐能使早产儿的脑功能结构更类似于足月新生儿,这证明了音乐对早产儿大脑的有益影响。本文发表在PNAS杂志。

引言

音乐是一种组织声音的艺术,可以产生声音频率和音乐结构的复杂组合,对在新生儿重症监护室(NICU)环境接受护理的早产儿可能产生积极影响。许多研究已经探索了听音乐对早产儿的影响,显示出对早产儿心率和呼吸频率的稳定作用,还可以减少每天呼吸暂停和心动过缓事件的数量,改善静息状态的能量消耗,改善喂养,增加体重,促进更成熟的睡眠模式;大多数研究报告了至少以上一种有益的结果。然而,这些研究结果的意义尚不十分明确。导致变异的因素包括:使用的音乐类型(乐器、现场或录制的音乐、持续时间等)、接触的持续时间(通常只持续几天)、出生时和干预时的不同胎龄(GA, gestational age)以及各种结果测量(基本上是行为观察,心率变异性等)。此外,音乐干预对大脑网络发育的影响还没有被研究过。

早产与大脑结构和功能网络发生改变的高风险相关,这会导致神经功能的缺陷。非侵入性神经成像工具为早产儿大脑的发育变化提供了新的见解。研究新生儿脑功能发育的一项有希望的技术是静息态(RS,resting-state)功能磁共振(fMRI),它可以识别大规模的功能网络,称为静息态网络(RSNs, RS networks),它可以显示与婴儿自发脑活动有关的血氧水平依赖(BOLD)信号的波动。RS功能连接(RS-fc, RS functional connectivity)测量的是不同大脑区域之间的统计相关性,可以提供功能连接性或功能脑网络的锁时的空间模式。RS-fc已经被证明可以提供关于脑成熟度和完整性的信息。此外,脑网络的空间定位在早产儿和足月儿中是相似的。然而,与足月对照组相比,在足月等效年龄(TEAs, term-equivalent ages)扫描的早产儿中观察到的网络内、半球间、网络间和丘脑-皮质功能连接性则没有那么复杂。

迄今为止,大多数关于新生儿RS-fc的研究都考察了主要的感觉功能网络,而很少涉及更高层次功能的网络,如突显网络。在成人中,突显网络包含前岛叶和背侧前扣带回皮质(ACC),被认为有助于检测相关的内部或环境刺激,并帮助目标大脑区域产生适当的行为反应。对于新生儿时期也定义了类似的突显网络,丘脑-突显网络连接性是唯一一个与2岁时的认知功能显著相关的网络,使其成为寻找早产儿后期神经发育早期生物标志物的极为相关的脑网络。根据最近的经验性证据,突显网络可能使得脑可以在中央执行网络(CEN)和默认模式网络(DMN)之间进行转换,以促进注意、行为和认知控制功能。在早产的青春期的儿童和成年人中,观察到突显网络、DMN和CEN之间RS-fc的改变。Toulmin等人报告了在新生儿期,在足月等效年龄(TEAs)时的极早产儿和超早产儿与足月婴儿相比,在出生时丘脑和突显网络之间的连接性降低,且与胎龄相关。

这些大脑功能网络的发育,发生在子宫内(足月新生儿)或NICU(早产儿)中,这是两种刺激物呈现方式非常不同的环境,可能对RS-fc产生长期影响:例如突显网络的发育。因此识别可能保存早产儿fc发展的NICU干预方式是一个重要的新生儿学主题。儿童和成人的音乐训练可以增加视觉、运动和听觉区域之间以及丘脑和听觉网络之间的RS-fc。此外,当一个显著的听觉事件在音乐中发生时,突显网络和CEN被激活,而DMN被停用。最近的研究表明,与非音乐家相比,接受音乐训练的成年人的这个突显网络得到了增强,发现音乐训练改变了静息时的大规模脑网络,并暗示了音乐的潜在适应性和神经可塑性效应。

因此,无论是生命晚期的音乐训练,还是新生儿时期简单、重复的听音乐,都可能影响大脑发育,这就提出了一个问题:早产后早期音乐干预是否会促进早产儿的大脑发育。本研究中的新生儿听的录制音乐专门由A.V.使用乐器(例如,竖琴,pungi,钟声) 制作(http://www.vollenweider.com/) ,它们在先前的研究中显示出可以使早产新生儿产生行为和大脑反应,以确定听音乐对早产儿大脑的影响。从33周的GA(胎龄)到出院或TEA(足月等效年龄),每周接触5次音乐。对有音乐接触的早产儿和没有音乐接触的早产儿和足月婴儿在TEA时进行了fMRI和RS-fc分析,以评估大脑的功能连接性。

方法

受试者

在参与研究之前,从每个新生儿的父母那里获得知情同意。2013至2016年间在日内瓦大学医院招募24名足月新生儿(T组)和39名早产儿,其中早产儿组20例接受音乐干预(PM组),19例被分配给对照组不做音乐干预(PC组)。足月新生儿的纳入标准为GA 37周后出生和适当的身高、体重或头围(高于第5百分位~低于第95百分位)。所有婴儿的排除标准均为MRI检查发现的主要脑部病变,如高级别脑室内出血或白质软化(排除1例PC和1例T)。

3个早产儿和3个足月儿在MRI检查前(2个PM,1个PC和3个T)停止研究,一个转到另一家医院(1个下PM)。3名婴儿因音乐干预/不干预次数不足(干预/不干预次数少于15次;2个PM和1个PC)。此外,由于高运动水平,6个婴儿的RS-fMRI数据未用于后续分析(1个PM、1个PC和4个T)(图S1和S2)。最终对16例足月新生儿(9例女孩,平均GA: 39.51 ± 1.08 周)在出生后4天内进行MRI扫描(扫描时平均GA:39.81± 1.02周);对未干预组/对照组早产儿15例(8例女孩,平均出生时GA: 28.95± 1.84周)在TEA时扫描(扫描时平均GA: 40.50± 0.77周);对音乐干预组早产儿14例(9例女孩,平均出生时GA:28.33± 2.06周)在TEA时扫描(扫描时平均GA:40.41± 0.76周)。两组早产新生儿的性别、出生时GA、出生时的体重、身高和头围、产前类固醇暴露、新生儿窒息、绒毛膜羊膜炎、败血症(血培养阳性)、支气管-肺发育不良、脑室出血1级和2级、平均音乐/无音乐干预次数没有显著差异。此外,三组在扫描时的GA和父母社会经济状况方面没有显著差异表S1)。

图S1 受试者选择过程流程图。

图S2 方法学流程

表S1 受试者信息

统计学:分类资料采用Fisher精确检验,连续资料采用Mann-Whitney检验和方差分析进行分组比较。

SGA,small for gestational,小于胎龄(<出生体重的第10百分位,作为GA和性别的函数)。

社会经济状况采用2-12分的量表进行评估,包括母亲教育(范围1-6分)和父亲职业(范围1-6分)。较低的分数反映出较高的社会经济阶层。

音乐干预

早产儿被随机分为干预组和非干预组(即控制组)。父母、音乐干预提供者和照料者对小组分配不知道。音乐组听了8分钟由A.V.特别创作的音乐(http://vollenweider.com/en),是由一个舒缓的背景、铃铛、竖琴和喷吉(蛇长笛)组成的,从GA 33周到做MRI前,每周5次。护士被要求在宝宝醒来或已经醒来时(喂奶前后)戴上耳机,但不要戴在已经睡着的宝宝身上,以确保我们不会打扰宝宝的睡眠。为了避免偏倚,我们只在婴儿躺在床上时进行干预(不在父母的怀抱中,也不在临床护理过程中)。由于既往文献对音乐干预的数量和时间几乎没有证据,我们选择从GA 33周开始,每周进行5次干预。这种音乐是基于早产儿对乐器的行为反应设计的(由专门从事发育护理的护士观察)。为了适应宝宝的意识状态,制作了三个音轨:一个帮助宝宝醒来(音频文件S1),比如在护理或喂食之前;一个与醒着的婴儿互动(音频文件S2);最后一个帮助婴儿入睡(图S3和音频文件S3)。护士根据新生儿行为评估量表确定干预的准备程度以及音乐曲目的选择(醒来、入睡、活跃)。每个婴儿听三个曲目的次数相等。早产儿对照组的处理方式与早产儿干预组相同(即戴耳机),但耳机对环境声音是开放的。

图S3 听觉频谱使用的三种音乐音轨:a.帮助婴儿醒来;B.与醒着的婴儿互动;c.帮助宝宝睡着。

音频文件S1:用于帮助婴儿醒来的音乐

音频文件S2:用于与醒着的婴儿互动的音乐

音频文件S3:用于帮助婴儿入睡的音乐

数据获取

所有的婴儿在进行MRI扫描前都被喂食。为了在不移动的情况下进行扫描,我们给了婴儿足够的时间在喂奶后休息并让他们安静下来,婴儿被包裹在毯子里,舒适地放在真空枕头里。在所有MRI扫描期间监测婴儿(心率和氧水平)。磁共振兼容耳机被用来保护新生儿免受MRI的噪音。我们采集了8分钟的RS-fMRI数据(300个时间点)(EPI序列:TR=1600ms,TE=30ms,切片厚度=3mm,翻转角度=90° 矩阵=64× 52),在两台西门子3T扫描仪上进行扫描:32通道磁头线圈(7 PM,8 PC,11 T)的Siemens Trio;使用64通道磁头线圈的Siemens Prisma。我们通过方差分析测试了连接矩阵中每个连接(91个连接中)的扫描仪/线圈效应。经多重比较校正后,所有连接均未显示扫描仪/线圈效应。此外,在各组中,扫描仪/线圈的分布是相同的。因此,在数据之间没有观察到由于使用不同的线圈或扫描仪而引起的显著差异。同时获取T2加权结构图像作为解剖参考(113个冠状层,TR=4990ms,TE=151ms,翻转角度=150°, 矩阵=256× 164; 体素大小=0.78× 0.78× 1.2 mm3)。

预处理

使用SPM 8对RS-fMRI数据进行预处理,包括对齐、时间层校正、刚体配准、T2结构像的标准化(1× 1× 1mm)和EPI(2× 2× 2 mm)到T2模板的标准化(使用20个足月和TEA时的早产儿的数据制备),并使用各向同性高斯核(FWHM为6 mm)平滑。为了适应婴儿的高运动水平,所有FD大于0.5 mm或整个大脑的BOLD信号变化率(DVARS)大于3%的时间点以及之前和之后的两张图像都被去除。剩下的图像被纳入分析。必须保留至少60%的时间点以供纳入,因此排除了1名接受干预的早产儿(PM)、1名早产儿对照组(PC)和4名足月新生儿(T)。三组之间排除图像的数量没有显著差异(平均剩余图像数量:T: 251.75)± 31.40,PM:265.71± 37.63,PC:272.27± 29.52)。

ROI选择

我们使用组水平ICA来提取独立的空间网络,并使用z分数为3的阈值提取这些成分作为ROI。来自三组的数据在一个单独的组水平ICA中使用GIFT包(http://mialab.mrn.org/software/gift/index.html)分解成16个相关成分(成分的数量是用MDL算法估计的)。一个基于足月和早产新生儿模板分割的mask被用于去除脑脊液、脑室、眼睛和脑外区域。使用ICASSO重复ICA 20次以确保分解的稳定性。结果是使用z阈值=3来报告的,我们检查了正z值和负z值。

这16种成分分别由两位神经解剖学专家鉴定,如图3附件表S2所示。在16个成分中,有3个成分反映了运动(第5和第10个)和血管(第7个),排除在进一步分析之外。最后,第15个成分是唯一显示两个反相关网络的成分。因此,我们决定将这个成分细分为两个网络:一个由双侧丘脑和背侧ACC组成(丘脑网络,图3中蓝色的部分),另一个由双侧前岛叶和膝周ACC组成(突显网络,图3中红色的部分)。14个功能性RS网络作为ROI,利用MarsBar(SPM工具箱)提取每个网络的时间序列。

图3 从ICA中获得16个成分。每一行显示在t2加权MR婴儿大脑模板上以z分数>3为阈值的成分的冠状面、矢状面和横断面视图。彩色条显示相应的z分数。

表S2 基于ICA结果获得的ROI。下表展示了每个RSN的体素数量和网络标签。

FC功能连接性

功能连接性的节点对应于ROIs(RSNs),加权边(连接)对应于相应ROI时间序列之间的统计依赖性度量。在这项研究中,fc是使用一种非参数估计函数来评估的,被称为“accordance”,从方法上来看,这种方法属于皮尔逊相关方法的一种变体,它评估的是两个ROI的时间序列在整个过程中在多大程度一起高于基线值或一起低于基线值。这个指标是一个处于0和1之间的正度量,它反映了两个RSN之间的耦合程度。它表示区域间的协同激活和协同去激活,其中激活和去激活分别通过在正阈值和负阈值处对标准化fMRI信号进行阈值化来获得。这里,我们使用正态分布的80%分位数来作为阈值。与传统的皮尔逊相关系数相比,这种测量方法是稳健的和一致的。对于三组(T、PC和PM组)中的每个受试者,我们基于一致性测量(定义为COI,circuitry of interest,感兴趣的神经环路)得出了RS-fc。 数据分析

我们执行以下步骤来验证我们的假设,即音乐可以逆转早产对早产新生儿的某些影响。首先,我们确定了一个COI(感兴趣的神经环路),它代表了早产引起的RS-fc的改变。该COI是通过测试早产儿控制组和健康足月生婴儿组的fc网络在每个单独连接处的差异获得的。对P值进行Bonferroni校正,设置阈值α水平=0.05。通过Bonferroni校正的连接被确定为COI。

其后,采用同样的方法比较早产儿干预组和早产儿控制组(表S3)。对于这两个比较,没有P值在Bonferroni校正后存活,在COI之外没有显著差异。

在第二步中,我们将早产儿控制组作为早产儿干预组的对照,并将分析限制在第一次比较中获得的COI内分析,来检验我们关于音乐效应的假设。我们使用一种利用COI模块化结构的自适应统计方法来测试早产儿干预组和早产儿控制组之间的差异。

该方法首先将在健康组和早产儿控制组比较后获得COI连接进行模块化分析,分解为不同模块(模块,即与标准互连相比具有密集内部连接的一组节点)。接下来,通过平均每个模块的连接强度,在模块级别检验差异。这种策略的好处是减少了测试次数,提高了信噪比。第三,对每个连接进行t检验,并利用在模块水平获得的结果修改连接的P值。这种自适应方法在控制I型错误率的同时提高了检验的能力。我们使用这种自适应方法来比较早产儿干预组和早产儿控制组之间属于COI的每个连接(这种方法有点类似于NBS校正的逻辑,但是比NBS来说,应该更为宽松)。由于该方法更适合于探索性分析,因此对P值进行了FDR校正。

表S3 PC组和PM组差异的总体分析

结果

RS-fc分析基于组水平的独立成分分析(ICA),使用ICASSO重复20次来确定RSNs。RS-fc用非参数双变量估计函数评估两个ROI时间序列的一致性和不一致性,分别反映ICA成分之间的正相关和负相关。基于ICA的结果,本文选择了他们感兴趣的高级网络来作为后续分析的ROI,并使用了accordance这种非参数方法建立了ROI水平的脑网络,以进行进一步的分析。

早产对脑fc发育的影响

本文首先评估了足月对照组和未接受音乐干预的早产对照组的大脑连接性特征。对两组之间的每一个连边进行比较,得到了一个COI(感兴趣的神经环路),一个包含16条边(连接性)和11个节点(RSNs)的网络。该COI表示早产儿的RS-fc(耦合)低于足月儿(用Bonferroni检验进行多重比较校正,P<0.05)。

然后,作者使用基于模块化的分解方法,在COI中确定了三个模块(图1)。此分解的模块性为0.29。第一个模块(M1)包括内侧上额叶(SF1, medial superior frontal)、听觉和感觉运动(SM, sensorimotor)网络。第二个模块(M2)涉及丘脑、楔前叶(Prec, the precuneus)和右颞后回。第三个模块(M3)涉及眶额皮质、后扣带回皮质(PCC, posterior cingulate cortex)、视觉皮质和左颞后回。突显网络由岛叶和膝周ACC组成,是连接三个模块的枢纽,在COI(感兴趣的神经环路)中被视为一个hub节点图S4和S5)。它的节点度为8,这是这个COI中度值最高的节点。在它的连接中,其中5个连接是三个模块之间的互连。此外,从COI中删除一个突显网络节点将产生模块性为0.53的无连接网络。

图1 COI 边代表了早产对照组与足月新生儿相比的较低的功能连接。节点定位是基于每个网络内z分数的局部最大值。

橙色:M1模块;蓝色:M2模块;黑色:M3模块。Sal,突显网络;Aud,听觉皮层;Tha,丘脑;RpTG,右颞后回;Vis,视觉皮层;LpTG,左侧颞后回。

图S4 COI包括突显网络的节点。红色连接表示模块之间的互连。这个分解的模块性是0.29。

图S5 没有突显网络节点的COI。这个分解的模块性是0.53。说明删除突显网络节点后,不同模块更加分离,突显网络的这个节点对于不同模块的模块间交流至关重要。

早期音乐干预对早产儿脑fc的影响

与早产对照组婴儿相比,早产音乐组在以下连接中显示出显著更高的RS-fc:听觉网络-SM、突显网络-SM、突显网络-SF1、听觉网络-SF1、突显网络-丘脑和突显网络-PCC[FDR校正后p<0.05](图2)。两组之间的M3模块的连接性没有显著差异。

图2 接触音乐的早产儿组与对照组早产儿fc的差异。音乐环境下的早产儿(PM, premature infants exposed to music)比对照组早产儿(PC, premature control infants)具有更高的功能连接性(FDR < 0.05)。

橙色:M1模块;蓝色:M2模块;黑色:M3模块。Left post TG,左侧颞后回;Right post TG,右侧颞后回。

讨论

这项研究提供的证据表明,早期用音乐丰富环境可以改善早产儿大脑中RS-fc的发育。与足月儿相比,在我们的研究中观察到早产儿对照组婴儿中的RS-fc的总体减少,这与先前的研究一致,这些研究表明早产对大脑fc的发育有影响。

研究RS-fMRI数据的两个主要的工具是ICA和基于感兴趣区域(ROI)的分析。首先,我们进行了ICA,一种数据驱动的多变量分析,以确定整个大脑的成分。然后,我们使用这些成分作为ROI来比较三组之间的RS-fc。RS-fc通常是通过计算fMRI BOLD时间序列之间的Pearson's或Spearman相关系数来研究的。在这里,我们使用了一个更稳健和一致的双变量估计函数:一致性和不一致性(即accordance的方法)。这种RS-fc估计函数利用了极端BOLD波动,这代表了显著的激活或失活,并已被证明能够捕获基本信息。

根据Meskaldji等人的研究,与Pearson相关分析相比,该估计函数在检测组效应方面表现出更高的敏感性。最近的研究也显示了一致性-不一致性估计函数在预测性研究中分析大脑fc的有效性。因此,我们的研究方法提供了高度可靠的结果。此外,我们发现突显网络的连接性明显受到早产的影响,这与先前的研究一致,除此之外,我们还确定了导致早产儿连接性改变的COI,包括三个模块;突显网络被认为是一个hub连接点(一个中心枢纽),是这三个模块的一部分并将它们连接起来。

三个模块的RS-fc的变化反映了突显网络的三个功能:识别刺激的突显性、对突显刺激的认知以及对突显刺激的行为反应。通过每天引入音乐来改变早产儿的环境,我们进一步揭示了这种干预对增加早产儿大脑中RS-fc的有效性。特别是在早产儿对照组中受损的COI的两个模块中,接受音乐干预后的早产儿在TEA(足月等效年龄)时与足月对照组的新生儿更为相似。

第一个模块(M1)显示与足月新生儿相比,早产对照组网络间RS-fc的变化由突显网络、内上额叶、听觉和SM网络组成。在出生后早期,早产儿的环境(NICU)与足月婴儿(子宫内)的环境有很大的不同,有不同的要求和感觉刺激。早产儿的未成熟皮质在正常时间之前就已经暴露于极端的潜在压力的刺激下,这种情况与扩散成像测量的脑微结构改变和颞叶RS-fc改变有关。

我们的数据提供了与感觉加工相关的区域(听觉和SM网络)和对这些刺激产生适当行为反应相关的区域(SF网络, 上额叶网络)之间RS-fc改变的额外证据。然而,在本研究中,出生后早期的音乐干预也增强了这个模块中的RS-fc。根据脑成像研究的结果,与听音乐相关的神经活动远远超出了听觉皮层,还包括额叶、颞叶、顶叶和皮层下区域的双边网络,这些区域与注意力、运动功能和记忆有关。在成人中,内侧上额叶皮质与认知和执行控制以及运动控制相关的区域相连接。在接受过2年音乐训练的儿童中,观察到额上回的结构连接性增加。此外,长期音乐训练增加了运动区、SM区和听觉区之间以及丘脑和听觉网络之间的RS-fc。在最近的一项fMRI研究中,通过心理生理学分析发现,当早产儿在TEA时听他们以前听过的音乐时,与听用不同的节奏播放相同的音乐相比,听觉皮层和脑区域之间的RS-fc增加,这两个区域已知与节奏的处理有关,表示听觉学习过程。总之,根据我们的研究结果,在NICU住院期间听音乐会影响大脑皮层区域的脑网络发育,这些区域涉及感觉知觉和对突显刺激的识别和反应。

早产儿对照组与足月儿对照组相比,连接性发生改变的第二个模块(M2)由突显网络、丘脑、楔前叶和右颞内后叶网络组成。音乐干预改善了突显网络和丘脑网络以及突显网络和楔前网络之间的连接性。在早产的成人中,已经发现了灰质体积减少和丘脑与突显网络存在异常固有fc之间存在相关性;并且在早产新生儿中,已经观察到丘脑与前岛叶和ACC(突显网络)之间的fc改变。突显网络-丘脑fc的强度进一步被证明可以预测婴儿期的认知表现;因此,这个回路是早产儿神经发育预后的重要贡献因素。

此外,我们的研究采用了心理生理学分析的方法来分析早产儿的fMRI数据,结果显示,与听到以更快的节奏播放相同音乐时相比,听先前听过的音乐时早产儿的初级听觉皮层和丘脑之间的连接增强。这种初级听觉皮层和丘脑之间连接性的增强可能与熟悉性加工有关。在NICU期间听熟悉的音乐也可能会增强突显性检测区域(突显网络)和熟悉性检测区域(丘脑)之间的RS-fc。

第三个模块(M3)包括突显网络、Prec(楔前叶)和PCC、眶额皮层(OFC)、视觉和左颞内后部网络。OFC网络由眶额皮质和双侧颞极区域组成,这两个区域都是边缘旁皮质区域,与社会情绪处理有关。一些研究表明,这种OFC网络的结构和功能受到早产的影响。Fischi-Gómez等人报告了早产的学龄儿童结构连接性减弱与社交技能下降之间的关系。在我们的研究中,在TEA时已经观察到了由于早产引起的OFC的RS-fc改变的风险。尽管目前的音乐干预并没有显著改变第三个模块的连接性,但既往研究已经证明音乐涉及与成人情绪处理相关的边缘和边缘旁区域。此外,以前的研究表明,成人在被动聆听愉快的音乐时,颞极区会被激活。另外,在音乐家中也观察到突显网络(脑岛-ACC)内以及脑岛和OFC之间的连接性增加,这意味着早期音乐训练可以提高对音乐刺激的突显意识。

最后,我们没有观察到我们的音乐干预对突显网络和PCC网络之间的RS-fc有显著影响,而我们观察到突显网络和Prec(楔前叶)之间的连接显著增加。听音乐对突显网络-Prec连接性的更大影响可能是因为Prec网络被描述为音乐感知的重要部位。

基于这些结果,我们假设NICU住院期间花更多时间听音乐会增加早期听音乐对第三个模块RS-fc的影响。出生后早期音乐暴露对这第三个模块的影响,与情感和情绪处理密切相关,这代表了一个有趣的未来研究方向。

总结:

在这项研究中,突显网络被清楚地识别出来是三个不同脑模块之间的连接点,这三个网络则是从与早产直接相关的比较中发现的。可以清楚地观察到突显网络和许多网络之间的连接在早产儿控制组中发生了改变,包括感觉网络和涉及认知功能以及行为和情绪调节的网络。新生儿期突显网络RS-fc的这些改变先于先前报道的青春期前儿童和成人的连接改变,表明早产对突显网络连接性具有早期、持续的影响。因此,在早产儿中,产后早期是一个易感性增加的时期

本文发现,在产后早期的音乐听力干预后,在早产儿中观察到突显网络与感觉和高级认知功能相关区域的连接性增加。出生后早期的音乐干预,即突显的多模态刺激,会增加突显网络和与感官知觉和突显加工有关的两个区域的RS-fc,并对这些相关刺激产生适当的认知、行为和执行反应。

总的来说,这项研究在观察音乐暴露的影响方面,是独一无二的关于早产新生儿大脑发育的研究。早期的音乐干预增加了受损功能网络的功能连接,因此丰富NICU的声音环境对脑发育产生了持久的影响。但本文也存在一些比较明显的问题,比如对ICA网络的选择,仅选择了一些特定的网络,而忽略了全脑网络的变化,再比如对统计方法的选择,可能存在容易导致假阳性上升的问题,但是这并不影响这篇研究的重要性,但需要在以后更大的样本上测试本研究的结果。

PNAS:音乐能增强早产儿的高级认知脑网络相关推荐

  1. 中科院自动化所副所长刘成林教授:模式识别,从初级感知到高级认知

    来源:AI科技评论 本文约8500字,建议阅读10+分钟 本文与你分享模式识别的内涵.演化.研究现状以及未来值得研究的方向. 感知(模式识别)是从传感数据判断模式的存在.类别,给出结构描述和关系描述的 ...

  2. 任务定义的脑网络的内在连接模式可以个体化预测精神分裂症患者的认知症状维度

    尽管精神分裂症患者的临床表现存在明显的个体间差异,但患者的精神病理学个体维度与其脑网络功能变异性的关联程度尚不清楚.在本研究中,我们使用基于网络的个体精神病理预测模型,基于4个数据驱动获得的症状维度来 ...

  3. 认知无线电网络架构与协议体系

    认知无线电网络架构与协议体系 本文转载自中国联通通信技术 摘要:认知无线电网络具有动态.灵活.智能地使用频谱资源,提高频谱利用率的特点,其网络结构和协议体系的设计是实现上述网络功能的关键.现有基于认知 ...

  4. 能量收集认知传感器网络——论文结构扫盲

    本文主要目的在于学习综述格式及技巧,其中还包括一些关于原参考论文的知识笔记,原论文来自:能量收集认知传感器网络研究综述https://www.ixueshu.com/document/18debfae ...

  5. 传统认知PK网络认知 刚子扯谈烤串认知

    文/刚子 2013.7.23 提到认知,有太多的介绍,我就不在秀理论文字了,那样等于自我抄袭式的传播给大家,对于大家也没意思,可以推荐大家到百度里面搜索下"认知结构",介绍的比我详 ...

  6. 认知无线电网络中的用户

    背景 认知无线电(Cognitive radio),又称感知无线电,是利用频谱间的空隙,即频谱空洞进行动态频谱接入与传输,以达到在拥挤频谱空间进行讯息传输,提高频谱空间利用率的技术. 原文 In co ...

  7. m基于GA遗传优化算法的认知中继网络最优中继功率分配和最佳中继节点选择算法matlab仿真

    目录 1.算法概述 2.仿真效果预览 3.核心MATLAB代码预览 4.完整MATLAB程序 1.算法概述 如图1表示一个潜伏式认知中继网络,在这个场景中有一对主用户和一对次级用户,主用户由一个发射器 ...

  8. 认知无线网络中的双层博弈

    认知无线网络中的双层博弈过程,文章主要提出了在认知网络中多个一等用户和二等用户之间的动态竞争博弈模型,并提出了针对二等用户的进化博弈理论以及一等用户之间的非协作博弈,以及这两者之中的迭代算法. 在认知 ...

  9. Python之网络爬虫(爬虫基本认知、网络爬虫之路)

    文章目录 一.爬虫基本认知 二.爬虫之路 初级爬虫工程师 中级爬虫工程师 高级爬虫工程师 一.爬虫基本认知 1.爬虫的简单定义 网络爬虫,又称为网页蜘蛛.蚂蚁.蠕虫.模拟程序,在FOAF社区中,被称为 ...

最新文章

  1. java利用opencv降维_opencv中PCA降维
  2. 如何加速云原生数据应用?这个开源项目备受关注
  3. python从低到高排序_使用python对matplotlib直方图中的xaxis值从最低值到最高值排序...
  4. python打字案例_Python 小案例 打字练习
  5. 刷光借呗额度之后用户突然去世,支付宝会怎么做?
  6. java 读取properties文件
  7. HDU 1222 Wolf and Rabbit
  8. 推挽输出和开漏输出_平台/输入amp;输出
  9. MYSQL - 存储过程学习笔记
  10. 简析三星新专利,语音识别技术的新方法
  11. java 复制一个对象_Java如何完全复制一个对象
  12. 简化异常处理的Throwables类
  13. Vegas系列Movie Studio录制音频/乐的方法
  14. 神策分析 iOS SDK 全埋点解析之启动与退出 | 数据采集
  15. BRVAH官方使用指南
  16. 试读《线上幽灵:世界头号黑客米特尼克自传》
  17. Android性能优化(一)启动优化
  18. 关于 iOS 的 StoryBoard,接受的那一刻才发现她的美 - 当然美的事物都需要业心照料
  19. 三国杀Excel版–让你见证Excel的神奇
  20. 微信小程序播放背景音乐

热门文章

  1. python——快递分拣
  2. 拼多多待拼团,大家一起拼数据接口
  3. 身份证提取生日,判断性别
  4. 拯救2K屏手机!修改屏幕分辨率省电教程
  5. 请注意了!你的APP可能有下架风险,途牛同程携程等多款App登黑榜!
  6. 3次冲刺IPO,拉卡拉坎坷上市路
  7. 北京理工大学研究生计算机专业好考吗,北京理工大学计算机专业研究生的方向问题...
  8. Consistency Regularization for GANs
  9. preg和ereg的区别
  10. 文件太大不用愁,好用的压缩软件来喽!