乒乓球運動員動作預測時空整合的大腦網絡連接特征

高思雨，梁軼睿，倫梓文，周成林

乒乓球作為一項球速快、球飛行軌跡變化多的運動項目。運動員需要在短時間內對球飛行時的旋轉軌跡及最終落點進行辨別、預測，選擇合適的策略應對、調整拍面角度，進行有效的擊球還擊。動作預測是指根據少量不完整的信息對動作最終指向結果作出判斷的過程，動作預判過程需要運動員具有在時間與空間維度上對動作的精準預測能力，才能完成高質量擊球，提高獲勝的可能性。

長期專項訓練形成的知覺-認知技能可促進運動員預測能力提升［1-2］，在時間維度上體現為專家運動員能夠根據對手的早期運動信息進行后續動作及動作結果的預測。Farrow等采用時間阻斷技術進行的研究發現，相比于乒乓球新手，專家級選手可更早利用有效信息對發球方向進行預測［3］。Runswick 等在一項棒球研究中發現，在越接近投球點時，擊球手對球方向的預測就越依靠投球手的身體運動信息和球飛行信息［4］，說明專家與新手運動員相比，在預測晚期階段（球飛出前），更為依賴運動員的運動信息。而在這個過程中，動作模式識別能力是專家運動員預測加工的關鍵。研究發現，專家運動員對動作模式的記憶提取與識別更強，并且專家運動員對運動項目早期更強的動作模式識別能力有助于對動作結果進行預測［5-6］。

神經電生理的相關研究為運動經驗如何促進動作識別提供了證據。Orgs 等通過對比專業舞者和非專業舞者在觀看并評判專業舞蹈動作和日常生活動作視頻時發現，專業舞者在觀看舞蹈動作時，α節律的事件相關去同步活動顯著大于非專業舞者［7］。α節律通常被認為與大腦皮層興奮性有關，α節律同步性增加代表皮層興奮性減弱，而α節律去同步性增加則代表皮層興奮性增加。因此，在動作預測之前的動作觀察階段，專家運動員大腦皮層興奮性的增加可能反映了對動作模式識別的更高喚醒程度。θ節律代表的是工作記憶的加工過程［8-10］，與大腦對信息的編碼［9］和記憶的加工、大腦工作負荷［11］呈正相關關系，并且θ節律在大腦的額葉、頂葉和前額葉之間功能的強交互作用形成了一個能夠促進刺激加工、整合和信息分類的網絡［12-13］，能增強θ節律的注意力控制功能［14］。目前關于運動學信息如何與α節律、θ節律相互作用于動作預測的時間過程還缺乏深入的探究。

在空間維度上，共同編碼理論提出，專家運動員對動作預測的知覺優勢來自于運動與知覺表征之間的緊密聯系，二者共享一套編碼系統［15］，并建立相應的“內部模型”。內部模型指運動指令與感覺結果間形成相互轉化的對應關系。長期運動經驗促進運動員建立完善動作內部模型，并在感知動作過程中進行調用，通過人體運動系統對運動信息進行模擬并匹配至潛在的動作結果從而完成預測。

動作觀察網絡是內部模型的重要神經網絡。該神經網絡僅僅通過觀察動作就會被激活，在感知他人的動作中起著至關重要的作用［16］。動作觀察網絡涉及到以顳上溝后部（縮寫為pSTS）、頂下小葉（縮寫為IPL）與前運動皮層（縮寫為PMC）為核心節點的眾多腦區。PMC 與IPL 組成的額頂網絡系統在動作意圖理解中起到重要作用，并反映了對運動信息的高級加工［17-18］。而pSTS 主要作用是輸入視覺信息，是運動信息表征的輸入節點［19］，不具備對運動經驗的特異性貢獻［20］。盡管大部分的研究強調了AON 在知覺預期過程中的重要性，但研究結果尚未一致。

因此，本研究擬采用EEG、fMRI 技術，探索運動信息對動作預測的時空特點，以及AON 的腦區激活與網絡連接特征。

1 乒乓球運動員動作預測的大腦活動時間特征

1.1 研究目的與假設

探究乒乓球運動員如何整合不同時間進程的信息進行動作預測。通過EEG 技術記錄其實驗過程中的腦電變化，分析預測過程的時間特點。假設：運動信息是影響預測表現的主要變量參數。

1.2 研究設計

單因素被試內設計。自變量為運動信息量（少量為800 ms，大量為900 ms），因變量為視頻觀看過程中對發球者動作預測表現（正確率）、對發球者動作觀看時的α同步值和θ同步值。

1.2.1 被試

使用軟件“G-power”計算所需樣本量，根據以往類似研究結果，效應量在0.13～0.50。設置置信水平為0.95，統計檢驗力為0.95，選擇最低效應量=0.13 進行計算，最低樣本量為16 人。最終本實驗共招募21 名被試，均為上海體育大學在校學生，并獲得乒乓球國家二級及以上運動員證書（以下以“專家”指代）。其中男性為10 人，女性為11 人。年齡為18～25 歲，平均年齡為20.41 歲。其中一名男性自我報告為左利手，其余被試均為右利手。

1.2.2 實驗材料

實驗刺激材料為本課題組自行錄制的乒乓球發球視頻，發球者為2 名發球較好的乒乓球運動員，使用右手直握拍法，站在球臺左側正手發球。發球動作分為左側短球、左側長球、右側短球、右側長球4類，各重復15 遍，由健將級乒乓球運動員挑選發球較好的10 組動作。最終得到40 個不同的發球視頻。

1.2.3 實驗程序

本實驗為組塊設計，正式實驗共有6 個組，每組30 個試次。每個組塊之間強制休息30 s。實驗前提供20 個練習試次讓被試理解實驗要求和熟悉反應按鍵。練習試次和正式實驗試次均不反饋被試判斷的正確性。每個試次由一個1 000 ms 的注視點開始，隨后是一段發球動作視頻，4 種發球類型隨機呈現，視頻長度根據運動信息量分為800 ms（少量）和900 ms（大量）2種。視頻結束后立刻切換到下一頁面，防止被試根據最后一幀進行觀察和預測。視頻結束后為反應階段，屏幕顯示內容為“請進行落點預測”。被試根據自己的預測使用“F”“V”“J”“N”鍵進行預測反應，按鍵分別對應“左上”“左下”“右上”“右下”。屏幕上也會有相應的提示。被試必須熟記按鍵所包含的反應內容才允許進入正式實驗。按鍵結束后是500 ms 的空屏，接著開始下一個試次。實驗流程如圖1 所示。

圖1 實驗流程

1.2.4 數據采集與分析

1.2.4.1 行為數據采集

根據乒乓球落點的運動信息量（少量、大量）對正確率進行配對樣本t 檢驗，顯著性閾值設為p＜0.05。

1.2.4.2 腦電數據記錄與處理

使用符合國際“10-10”系統的64 導活動電極腦電帽（actiCAP；Brain Products GmbH，Germany）采集腦電，并使用Brain Vision Recorder 2.0（Brain Products GmbH,Germany），采樣頻率為1 000 Hz。FCz 作為參考電極，GND 作為接地電極。FT9 和FT10 分別貼在被試左眼外側1 cm 位置和右眼下方1 cm 位置采集水平眼電和垂直眼電。記錄時不使用在線濾波。

腦電數據由開源工具包Letswave7（https://letswave.cn）和Matlab R2018b（MathWorks Inc.，MA，USA）進行分析。腦電數據處理步驟包括：1）在數據查看器中目視檢查，對異常通道進行插值。2）使用Butterworth 濾波器設置通過范圍為0.05～30 Hz。3）使用獨立成分分析（ICA）分離腦電成分，設置成分數為40，人工剔除眼電成分。4）根據實驗條件對數據進行分段。5）使用自動去偽跡剔除振幅大于±100 mμV 的試次。6）使用全腦平均的方法對全腦電極進行重參考，并還原FCz點。7）對每個實驗條件下的腦電數據進行平均疊加。8）將注視點呈現前500 ms 到0 ms 作為基線對數據進行校正。

根據以往研究，選取θ頻段（5～8 Hz）和α頻段（9～12 Hz）進行分析。θ頻段選取FCz 電極點進行分析，α頻段選取Pz、P3、P4、P5、P6、P7、P8、POz、PO3、PO4、PO7、PO8、Oz、O1、O2電極點進行分析。以50 ms 作為一個時間窗，從視頻開始到球與球拍接觸為止，共18 個時間窗（T1、T2、T3、T4、T5、T6、T7、T8、T9、T10、T11、T12、T13、T14、T15、T16、T17、T18）。由于本研究重點關注球與球拍接觸前的腦電特征，因此，選取T10～T16作為感興趣時間窗，對α和θ同步化平均值進行統計檢驗。

1.3 實驗結果

1.3.1 行為結果

對乒乓球運動員分別在少量運動信息和多量運動信息條件下的反應正確率進行配對樣本t 檢驗，結果表明，少量運動信息下的正確率與大量運動信息下的正確率相比，差異顯著（t=-3.163，p=0.03＜0.05），結果見表1。表明運動信息量是影響預測準確性的因素。

表1 不同運動信息條件下落點預測正確率比較

1.3.2 腦電結果

2 種運動信息量的EEG 時頻情況如圖2 所示，橫軸代表時間段（0 點表示視頻開始，縱軸代表頻率）。

圖2 被試在2 種運動信息量條件下觀看動作視頻的時頻情況

2 種運動信息量條件下的α節律同步化活動值和θ節律同步化活動值在感興趣時間窗內的平均值和標準差見表2 和表3。

表2 不同運動信息量條件下的頂枕葉-α 值描述統計結果

表3 不同運動信息量條件下的FCz-θ 值描述統計結果

1.3.2.1α節律同步化活動

對α節律同步化活動進行2（運動信息量）×7（時間窗）兩因素重復測量方差分析。經Mauchly’s 球形假設檢驗，結果顯示不通過。又使用Greenhouse &Geisser 方法校正，結果發現，運動信息量主效應不顯著；時間窗主效應顯著；運動信息量×時間窗交互作用不顯著0.048］。使用Bonferroni 法對時間窗進行事后多重比較，發現T10與T13（p=0.015）、T10與T14（p=0.011）、T10與T15（p=0.013）、T10與T16（p=0.012）差異顯著；T11與T13（p=0.031）差異顯著。其他時間窗口間（10 與T11、T10與T12、T11與T12、T11與T14、T11與T15、T11與T16、T12與T13、T12與T14、T12與T15、T12與T16、T13與T14、T13與T15、T13與T16、T14與T15、T14與T16、T15與T16）差異不顯著。α節律同步化活動在時間窗內波幅變化趨勢如圖3 所示。

圖3 α 頻率同步化值隨時間窗的變化

1.3.2.2θ節律同步化活動

對θ節律同步化活動進行2（運動信息量）×7（時間窗）兩因素重復測量方差分析。經Mauchly’s 球形假設檢驗，結果顯示不通過，又使用Greenhouse &Geisser 方法校正，結果發現，運動信息量主效應不顯著；時間窗主效應顯著；運動信息量×時間窗交互作用不顯著0.011］。使用Bonferroni 法對時間窗進行事后多重比較發現，T10與T11（p=0.002）、T12（p=0.002）、T13（p=0.001）、T14（p＜0.001）、T15（p＜0.001）、T16（p＜0.001）之間差異顯著；T11與T12（p=0.002）、T13（p=0.001）、T14（p＜0.001）、T15（p＜0.001）、T16（p＜0.001）差異均顯著；T12與T13（p=0.001）、T14（p＜0.001）、T15（p＜0.001）、T16（p=0.001）差異均顯著；T13與T14（p=0.001）、T15（p=0.002）、T16（p=0.006）差異均顯著；T14與T15（p=0.012）差異顯著。其他時間窗口之間（T14與T16、T15與T16）差異不顯著。θ節律同步化活動在時間窗內波幅變化趨勢如圖4 所示。

圖4 θ 頻率同步化值隨時間窗的變化

以上結果表明，α和θ節律的波幅變化隨時間窗口的變化整體呈現下降趨勢，并且時間窗的成對比較分析顯示，α和θ節律的波幅變化在視頻播放的前期時間點與視頻播放的后期時間點之間存在差異，說明運動員隨著視頻觀看時間的累積，α和θ節律的波幅變化更加顯著。

2 乒乓球運動員動作預測的大腦活動空間特征

2.1 研究目的與假設

1）探究運動經驗是否導致AON 主要腦區的激活及AON 在動作預測中的作用。2）研究假設：運動員在進行預測任務時AON 的激活加強，功能連接增強。

2.2 研究設計

采用3（遮擋條件：早期、中期、晚期）×2（組別：專家組、新手組）兩因素混合設計。其中組別為被試間變量，遮擋條件為被試內變量，因變量為反應正確率和fMRI 任務中激活腦區。

2.2.1 被試

共招募了41 名上海體育大學乒乓球運動員（以下以“專家”指代）與普通大學生（以下以“新手”指代）。其中有3 名被試因在功能性磁共振（fMRI）掃描過程中頭部移動過大被排除，另外1 名被試在磁共振掃描過程中因身體不適終止了實驗，最終37 名被試的數據納入分析，其中：專家組為18 人（國家一級乒乓球運動員和國家二級乒乓球運動員）、新手組為19 人（無運動訓練經驗的普通大學生）。所有被試裸眼視力或矯正視力正常，均為右利手，無神經系統疾病和精神障礙史。被試在完成實驗后會獲得一定的實驗報酬。

2.2.2 實驗材料

實驗刺激材料為自行錄制的乒乓球運動員發球視頻，發球者為2 名發球較好的乒乓球運動員（男生1人，女生1 人）。男生身著藍色T 恤，女生身著紅色T恤，并且在實驗開始前告知被試，方便被試輕松辨認。發球者使用反手發球，球的落點位置在左右球臺各半、遠近球臺各半。截斷時間分為3 種條件。1）早期遮擋。視頻最后一幀為球與球拍接觸前一幀（視頻長度800 ms）。2）中期遮擋。視頻最后一幀為球與球拍接觸（視頻長度900 ms）。3）晚期遮擋。視頻最后一幀為球與球拍接觸后一幀（視頻長度1 000 ms）。

2.2.3 實驗程序

在正式實驗開始前，被試需要簽署知情同意書并且被告知有中途退出的權力。在進入磁共振掃描室前，告知被試注意事項和實驗任務，并在磁共振掃描室外進行練習，確保被試完全理解實驗任務，練習完成后，讓被試進入磁共振掃描儀進行正式實驗。本研究使用軟件“E-prime”制作實驗程序并呈現視頻刺激。掃描過程中被試可以通過安裝在頭部線圈上的反射鏡觀看視頻刺激，通過與磁共振掃描儀兼容的反應盒進行按鍵反應。反應盒一共有5 個鍵，對應右手的5個手指，本實驗中被試只需要用到食指（對應1 鍵）和中指（對應2 鍵）。實驗程序首先呈現準備界面，掃描開始后首先呈現8 s 的倒計時，然后開始正式實驗任務。

首先呈現任務類型（落點判斷和性別判斷）5000ms，然后呈現“+”注視點1 000 ms，注視點消失后呈現視頻刺激800 ms，視頻播放完后，屏幕立即變成黑屏，被試有4 500～6 000 ms（試次間抖動變化）的時間用右手的食指和中指按鍵作出反應。要求被試在不犧牲正確率的情況下盡快作出反應。在落點判斷任務中，判斷球落在左邊按1 鍵，落在右邊按2 鍵；在性別判斷任務中，判斷為男性按1 鍵，判斷為女性按2 鍵（如圖5所示）。實驗過程中不呈現結果反饋。

圖5 實驗流程

實驗程序的設計采用組塊模式，正式實驗中每個被試進行4 組實驗（4 個序列），每組實驗中有4 個組塊，分別對應4 種視頻刺激（落點判斷任務：早期遮擋、中期遮擋、晚期遮擋；性別判斷任務），每個組塊有16 個視頻刺激（男女被試各半），共256 個視頻刺激。4個組塊的順序在被試內進行平衡。每組實驗完成后，被試可以選擇休息，然后再開始下一組實驗。

2.2.4 磁共振掃描程序與參數設定

本研究使用上海體育大學腦成像實驗中心的西門子“3T MAGNETOMPrisma”磁共振成像系統進行數據采集，實驗過程使用了20 通道頭部線圈。磁共振掃描序列包括了定位像、場圖、3 組功能像掃描和一個結構像掃描，掃描時長大約為40～50 min。

功能態腦成像數據的采集使用平面回波成像序列（縮寫為EPI）。具體參數如下：掃描視野=224×224 mm2，重復時間=2 000 ms,回波時間=30 ms，翻轉角=90°，體素大小=3.5×3.5×3.5 mm3，層厚=3.5 mm，層數為33 層，每個任務序列包含218 張全腦掃描圖像。

結構像數據的采集使用快速梯度回波序列（縮寫為MPRAGE），具體參數如下：掃描視野=256×256 mm2，重復時間=2 530 ms,回波時間=2.98 ms，翻轉角=7°，體素大小=1×1×1 mm3，層厚=1 mm，層數為192 層。

2.2.5 磁共振數據激活分析

磁共振數據分析使用基于“Matlab2018a”的SPM12（http://www.fil.ion.ucl.ac.uk/spm）工具包完成，具體分析步驟如下。

1）預處理。具體包括：數據格式轉換；刪去功能像前8 s 的數據（前4 張圖片）以保證掃描性能穩定性；時間層矯正；頭動矯正，剔除頭動大于3 mm 或轉動超過3°的被試數據；結構像配準；空間標準化，將功能像配準到加拿大蒙特利爾神經學研究所（縮寫為MNI）標準化空間；空間平滑，將標準化圖像采用半高全寬（縮寫為FWHM）調整為8×8×8 mm3的平滑核完成高斯卷積。

2）個體分析。通過一般線性模型（GLM）對被試的整個腦區激活情況進行統計分析，界定知覺預期任務中的一般認知腦區。根據實驗條件設置每個試次的開始時間和持續時間，并剔除反應錯誤的試次，6 個頭動參數作為協變量，將這些變量與標準血液動力學響應函數（縮寫為HRF）進行卷積。該實驗中每個掃描序列的矩陣有10 列，分別為落點判斷任務的早期遮擋、中期遮擋、晚期遮擋、性別判斷任務及6 列頭動參數。基于上述設計矩陣構造出多組線性對照作為實驗結果的條件：早期遮擋條件與性別判斷任務；中期遮擋條件與性別判斷任務；晚期遮擋條件與性別判斷任務。此外，還將3 種遮擋條件的落點判斷任務進行合并分析。

3）組分析。分為2 個部分：首先對2 個組的被試分別進行單樣本t檢驗，探究預期任務是否會激活AON的相關腦區；其次對2 組被試進行雙樣本t檢驗，探究組別效應。

4）ROI分析。ROI 選取了雙側額下回（縮寫為IFG）、雙側頂下小葉（縮寫為IPL）、左側額上回（縮寫為SFG）、左側顳上回（縮寫為STG）、雙側顳上溝（縮寫為STS）和雙側背側前運動皮層（縮寫為dPMC）。ROI 的分析用于探究專業知識是否會導致AON 主要腦區的激活差異及AON 在動作預測中的作用。

5）功能連接分析。同樣基于選定的ROI，對選定的ROI 進行了ROI-to-ROI 的功能連接的分析，將選定的ROI 進行兩兩相關分析，相關系數顯著，說明這2 個ROI 之間存在有效連接，然后對2 組被試共同存在的有效連接進行相關系數的差異性檢驗，探究2 組被試的功能連接差異腦區，驗證運動經驗是否會導致AON 相關腦區的功能的適應性改變。

2.3 實驗結果

2.3.1 行為結果

反應時采用3（遮擋條件：早期、中期、晚期）×2（組別：專家組、新手組）的兩因素重復測量方差分析進行檢驗。

行為數據如表4 所示。落點判斷任務的結果分析采用3（遮擋條件）×2（組別）的重復測量方差分析，結果發現組別主效應顯著［F（1，35）=35.848，p＜0.001，η2=0.506］，專家組的正確率顯著高于新手組；遮擋條件主效應顯著［F（2，70）=126.723，p＜0.001，η2=0.784］，晚期遮擋條件的正確率高于早期遮擋和中期遮擋條件；組別與遮擋條件的交互作用顯著［F（2，70）=9.249，p＜0.001，η2=0.209］。性別判斷任務2 組差異不顯著，且均高于90%。

表4 2 組任務判斷正確率（平均數±標準差）

進一步簡單效應分析表明：在早期遮擋條件下，專家組的正確率顯著高于新手組（p＜0.001，95%CI［0.099，0.191］）；在中期遮擋條件下，專家組的正確率顯著高于新手組（p＜0.001，95%CI［0.052，0.127］）；在晚期遮擋條件下2 組反應正確率差異無統計學意義。專家組在早期遮擋條件下的正確率顯著低于中期遮擋條件下（p＜0.001，95%CI［-0.116，-0.032］）和晚期遮擋條件下的正確率（p＜0.001，95%CI［-0.165，-0.087］），而中期遮擋條件和晚期遮擋條件下的正確率差異無統計學意義；新手組在早期遮擋條件下的正確率顯著低于中期遮擋條件下（p＜0.001，95%CI［-0.170，-0.088］）和晚期遮擋條件下的正確率（p＜0.001，95%CI［-0.257，-0.181］），中期遮擋條件下的正確率顯著低于晚期遮擋條件下的正確率（p＜0.001，95%CI［-0.125，-0.055］）。結果如圖6 所示。

圖6 2 組被試在不同遮擋條件下的正確率

2.3.2 AON 參與動作預測的腦區激活研究結果

2.3.2.1 預測任務激活腦區特點

在動作預測任務中，2 組被試的激活腦區結果顯示，2 組被試均激活了左側枕中回（縮寫為MOG）、右側顳中回（縮寫為MTG）及右側額中回（縮寫為MFG），與新手組相比，專家組還存在右側頂下小葉（縮寫為IPL）的激活，而新手組則額外存在左側中央后回（縮寫為PoCG）的激活，見表5 并如圖7 所示。

表5 各組落點預測任務激活腦區

圖7 落點預測任務腦區激活情況

2.3.2.2 運動經驗影響大腦激活的結果

在早期遮擋條件下，2 組被試未見顯著差異；在中期遮擋條件下，2 組被試激活差異顯著的腦區較多，表現為與新手組相比，專家組在MOG_L、IPL_R、PCG_L，SFG_L 和MFG 表現出更強的激活；在晚期遮擋條件下，與新手組相比，專家組在PCG_L、STG_R 有著更強的激活水平。

2.3.3 ROI 分析

基于以上結果進行分析可知，在中期遮擋條件下，2 組激活水平存在差異的腦區最多（見表6）。因此，在ROI 分析中只選取了中期遮擋條件進一步進行討論。

表6 腦區激活差異ROI 分析結果

對ROI 主要腦節點的激活分析發現，專家組在3個腦區（即IFG_L、STS_R、dPMC_R）的激活水平均顯著高于新手組。

2.3.4 功能連接分析

從功能連接分析結果（如圖8 所示）可以發現，專家組經ROI 分析的腦區間普遍存在著有效連接，且連接強度大，而新手組經ROI 分析的腦區間的有效連接較少，且連接強度較弱。

圖8 2 組功能連接強度熱力情況

專家組的IFG_L 與雙側IPL、STS_R，雙側IFG 與dPMC_L，雙側IPL 與STS、dMPC，SFG_L 和STG_L 之間有著更強的功能連接，而新手組則不存在以上腦區間的功能連接（見表7 和表8）。

表7 專家組相關性顯著腦區

表8 新手組相關性顯著腦區

對2 組相關性均顯著的腦區進行了相關系數的差異性檢驗，結果發現與新手組相比，專家組的SFG_L 與dPMC_R、IFG_L 功能連接更強，見表9。

表9 2 組相關系數均顯著腦區比較

3 討論

3.1 乒乓球運動員的動作預測的大腦活動時間與空間特征

乒乓球運動員動作預測的時間特征結果顯示，α節律活動值隨運動員動作預測的時間進程下降，而α節律的去同步化活動與大腦皮層喚醒度呈負相關關系。由α 同步值的變化曲線可知，在視頻播放前期（動作剛開始進行時），被試的大腦平層興奮性相對較弱，隨著動作的進行，α 去同步化增大，被試大腦皮層興奮性增強，說明在對手做動作前期，被試的關注度并不高，而隨著動作的進行，特別是在球與球拍接觸前的時間點，被試大腦皮層興奮性處于最高點，投入的認知資源最多。因此，在動作預測之前的動作觀察階段，大腦皮層興奮性的增加可能反映了運動員對動作模式識別的自下而上的注意力加工方式。

θ節律活動值隨運動員動作預測的時間進程降低。而θ節律的去同步化與記憶加工和認知控制需求呈正相關。由θ同步值的變化曲線可知，在視頻播放前期（動作剛開始進行時），被試對專項動作的信息編碼和記憶加工需求最高，但隨著運動信息的增加，θ節律活動的降低可能反映了運動員在處理動作信息時認知需求的降低。對此結果，結合前人研究作出2 方面推測。第一，由于刺激材料為僅1 000 ms 的短視頻刺激材料，被試對看清發球動作和球飛行軌跡的刺激需求更高，這時θ對認知控制的高級功能不再占據主導，反而根據視覺輸入的強度而將自上而下的認知控制調整為由刺激主導的自下而上的動作加工［10］；第二，被試在逐漸適應了任務要求后，喚起了對專項運動相關記憶的加工，而被試在長期訓練之下，其長時記憶系統存儲有關發球動作特征模型，根據這些概括化的動作模型，只需少量的動作特征信息就可完成識別任務，因此表現出其注意負荷降低，動作特征信息檢索、編碼和匹配有效性提高［21］。

從乒乓球運動員的動作預測的空間特征分析結果發現，通過對比乒乓球專家和新手2 組的激活差異腦區發現，乒乓球專家組在IPL、IFG、MFG、STS、MOG及dPMC 有著更強的激活水平，這都是AON 的主要腦區，再次證明AON 的確可以作為動作預測的神經基礎。通過ROI 分析也發現，專家組在AON 的主要節點，例如IFG、IPL、STS/pMTG、dPMC 有著更強的激活狀態；通過功能連接分析發現，乒乓球專家組的AON各腦區節點之間的功能連接普遍更強，額頂腦區和顳葉相關腦區之間均有顯著連接，而乒乓球新手組僅在STG 與IFG、左側IPL 表現出更強的連接。因此，可以證明AON 的激活強度和功能連接強度受到運動經驗的調節，也就是說運動經驗導致了AON 相關腦區功能的適應性改變。

3.2 乒乓球運動員動作預測的大腦活動時空整合特征

在對專家動作預測的時空特征整合的研究中發現：α節律、θ節律和AON 中的較初級腦區和較高級腦區本身具有的功能之間存在交互關系。

首先，對AON 的關鍵組成部分［22］（即額頂系統）功能的大量探討已經發現，運動員的預測優勢可能存在于動作編碼和匹配，這依賴于運動員在長期訓練中形成的大量且準確的動作表征，他們在看到發球動作時就能夠根據已有經驗進行準確的動作模擬，為動作觀察提供預測推理［23］，從而作出正確預測。從阻斷任務范式的研究中發現，專家相較于新手更依賴頂葉功能［24-25］，專家由于視覺信息有限而采取了更優化的注意力策略［26］，而頂葉θ已被證明能夠提高注意力資源的招募效率［10］，更好地整合自上而下和自下而上的加工［12］。本研究中θ節律的去同步化結果趨勢可能就反映了針對目標朝向而調整的注意功能。

從前人關于枕顳腦區的研究中發現，枕顳腦區共同參與對運動信息的處理，例如對手的身體信息等［27］。在當前研究中發現，專家組在pSTS/pMTG 和MOG 都有顯著激活。功能連接的分析結果顯示，運動員的雙測STS 和額頂的主要腦區如IPL、IFG 及SFG 存在有效連接。腦區間功能連通性的增強得益于乒乓球運動員個體長期的運動訓練，從而形成了更高效的視覺信息整合策略，例如在一般視覺-空間任務中，乒乓球運動員的頂-枕、頂-額α節律相干性更高，反映了運動員的一般注意喚醒與任務特定注意加工相關［28］。同時，長期運動訓練還會導致認知加工熟練化和自動化［29］，表現為高級認知控制皮層的能量消耗降低，節約中樞認知資源，提高了運動員的行為績效［21，30］。例如在專項動作識別任務中，乒乓球選手的左側顳-額θ節律相干性更低［31］。有研究發現，當額外增加的觀察負荷導致動作觀察能利用的注意資源顯著減少時，IFG節點附近的大腦活動就會減少［32-33］，這說明當注意力資源的分配阻礙了對動作觀察的編碼時，自上而下的認知控制減弱（θ節律活動減少），對注意力資源的分配可能會更多傾斜給動作刺激本身的加工（α節律活動增多）。

綜合EEG 和fMRI 的研究結果推測，當乒乓球運動員根據運動信息動作觀察并作出動作預測時，從時間特征上，乒乓球運動員首先激活了對動作觀察的高度喚醒（α節律去同步化活動），然后運動經驗優化了他們對認知資源的控制與分配（θ節律同步化活動）。在乒乓球運動員識別到動作模式并從中提取出有效預測線索的認知加工過程中，AON 網絡得到激活，開始對輸入的刺激信息進行感知加工，并最終輸出為對動作結果的預判。

4 結論

運動信息是影響動作預測表現的主要變量之一。隨著運動信息量的增加，乒乓球運動員的動作預測正確率及注意力喚醒度提高，認知控制投入減少。運動訓練經驗是知覺預期過程中AON 重要節點腦區激活和功能連接的主要因素。α、θ節律與AON 重要節點腦區在功能上的整合，是動作預測在時空特征上反映大腦網絡連接的基礎。