打乒乓球时，对手突然改变发球旋转，你挥拍落空——随后几个回合里，你的身体就能自动"校准"，重新把球回击到对面台面上。这种看似简单的运动调整，背后藏着大脑对新运动模式的快速适应。这种运动适应在日常生活中无处不在：换一双新鞋跑步、在结冰的路面上走路、更换不同重量的炒锅炒菜，人体的运动系统都需要迅速更新已有的运动模型。过去的研究主要在实验室里用简单的力场干扰或视觉旋转任务来研究这一过程，但这些高度控制的场景与真实运动情境相距甚远——真实的运动适应涉及更复杂的认知成分和策略调整。

能否在一个接近真实运动的场景下，看看大脑到底是怎么一步步完成适应的？德国莱比锡大学的研究团队用一台乒乓球发球机器人，配合全脑功能近红外光谱(fNIRS)技术，给出了答案。

发表在《Scientific Reports》上题为"Dynamic alterations in cortical activation during motor adaptation in table tennis using whole-brain fNIRS"的一项研究，使用全脑fNIRS系统记录了56名被试在乒乓球运动适应任务中的皮层血流动力学变化，揭示了运动适应进程中多个皮层区域激活的动态变化规律，并考察了扰动的时间顺序（序列vs随机）是否会影响皮层加工过程。

文章信息

研究共招募66名被试，排除10人后最终纳入56名右利手健康志愿者（年龄22.30 ± 2.26岁，范围19-27岁，25名女性）。所有被试均为乒乓球新手，利手评分（Edinburgh Handedness Questionnaire）均值为81.65 ± 1.90。被试被随机分为序列组（n=29）和随机组（n=27），两组在年龄、性别、利手评分、每周运动时间和精细运动训练时间上均无显著差异。

实验使用app控制的乒乓球机器人向被试发球。在基线和washout阶段，机器人发上旋球；在适应阶段，机器人改为发下旋球，形成运动适应中的扰动（如图1）。每个block包含16个球（32秒），block间设置35-40秒的随机间隔，整个实验包含20个block。两组被试均经历8次任务切换，序列组的切换模式为As-As-Al-Al-As-As（As为短球，Al为长球），随机组则以随机顺序呈现。行为学指标为目标准确性，使用高速摄像机记录球落点，通过Kinovea软件离线测量球落点与目标点的欧氏距离。

图1 实验设置与方案

(a)乒乓球机器人在球台上的位置，目标以十字标记，被试执行反手击球并佩戴fNIRS系统(b)球拍参考系，x方向平移运动和绕横轴y的运动适应(c)实验流程，基线阶段为上旋球，适应阶段为下旋球（扰动），最后五个block为washout阶段恢复上旋球(d)每个block含16次试次（32秒），block间隔35-40秒

脑功能数据使用全脑fNIRS系统采集，配备32个LED光源和32个探测器，形成106个标准测量通道，另有8个短距离探测器用于排除颅外血流干扰（如图2）。采样频率为10.1725 Hz。使用QT-NIRS工具进行数据质量评估，排除18名被试后剩余38人，其中81.8%的通道数据质量良好。信号处理方面，原始光强信号先转换为光密度变化，再通过小波滤波校正运动伪迹，之后进行3 Hz低通滤波，最后通过修改的Beer-Lambert定律将衰减变化转换为氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）浓度变化。统计分析采用非参数阈值自由集群增强方法（TFCE），设集群阈值p = 0.05，进行10,000次置换检验。同时使用Polar M430运动手表记录心率以排除运动强度混淆。

图2 运动适应过程中所使用的fNIRS配置示意图。发射器以红色圆点表示，接收器则以蓝色圆点表示，黄色圆点则代表106个测量通道的中心位置（各通道间的距离为35.8 ± 3.9毫米）

研究结果

1.行为学结果

混合方差分析显示，序列和随机两种扰动类型产生了相当的运动适应表现（交互作用不显著，p = 0.054），而时间主效应高度显著（F(2.54, 136.92) = 147.06, p < 0.001, ηp? = 0.73），表明目标准确性随适应阶段发生了显著变化。

事后检验揭示了典型的适应过程：扰动出现时目标误差急剧增大（均差?114.14 mm, p < 0.001），随后在早期适应阶段显著恢复（均差68.18 mm），晚期适应进一步降低（均差27.13 mm）。当扰动消失时出现明显后效应——球落点反向偏长（均差?46.53 mm），随后在washout阶段迅速恢复。扰动出现时大部分球打得过短，而扰动消失后大部分球打得过长，误差方向相反（如图3）。适应曲线呈典型指数衰减，随机组R? = 0.91，序列组R? = 0.66。

图3 通过乒乓球实验来评估运动适应性。(a) 点图展示了在干扰出现初期（A1阶段）、适应后（A10阶段）以及适应后效应阶段（W1阶段）目标误差的分布情况 (b) 点图和折线图

2.fNIRS血流动力学结果

TFCE非参数集群置换分析进一步证实，序列和随机练习引发了相似的皮层加工变化（交互作用和扰动类型主效应均不显著），而运动适应阶段的主效应高度显著（p < 0.001）。在脱氧血红蛋白（HbR）方面，早期适应阶段的皮层激活较基线显著增加（p < 0.001），涉及76个通道的广泛脑区集群，涵盖左侧初级感觉皮层（S1L）、双侧背外侧前额叶（dlPFC）、左侧辅助运动区（SMA）、双侧颞上回（STG）等（如图4a）。从早期适应到晚期适应，皮层激活显著降低（p < 0.001），涉及50个通道（如图4b）。综合各阶段比较，适应相关变化脑区依次为dlPFC（双侧）、SMA（左侧）、S1（双侧）、SPC（右侧）、M1（左侧）等（如图4c）。含氧血红蛋白（HbO）呈现相同趋势：早期适应较基线显著增加（85个通道），晚期适应较早期显著降低（102个通道），适应相关变化区域集中在颞上回、布洛卡区、初级感觉皮层和前额叶。

图4 打乒乓球过程中，适应性因素对血流动力学反应的影响

3.混淆变量控制

心率数据显示两组之间无显著差异（p = 0.211），虽然适应阶段心率较基线有所升高（p < 0.001），但将心率作为协变量纳入模型后fNIRS结果依然显著，说明皮层激活变化独立于心率改变。心理学问卷方面，被试的注意力和疲劳水平在实验前后均未发生显著变化，两组之间在所有心理学指标上也无显著差异。

这项全脑fNIRS研究在运动特异性乒乓球情境中揭示了运动适应过程的皮层激活动态。研究发现，双侧背外侧前额叶皮层（dlPFC）和初级感觉皮层（S1）、左侧辅助运动区（SMA）和左侧初级运动皮层（M1），以及右侧顶上皮层（SPC）和右侧顶下皮层（IPC），在运动适应进程中展现出动态激活变化。具体而言，皮层血流动力学响应在早期适应阶段普遍增强，随着适应进展逐渐降低。这一模式与既往理论模型和实验室证据高度一致——大脑在面对运动扰动时调动大量认知资源进行策略调整和感觉运动映射更新，而随着新的内部模型逐步建立，认知需求降低，皮层激活也相应下降。序列和随机练习产生了相当的行为表现和皮层激活模式，这一发现支持了动作计划重建假说——无论扰动是否可预测，被试每次击球都需要重新构建运动计划，从长时记忆中提取信息，因此两种练习方式的认知负荷相当。

研究也存在一些局限：

1.fNIRS只能检测皮层血流动力学变化，无法探测对运动适应同样至关重要的皮层下结构（如基底节和小脑深部核团）

2.研究缺乏运动学观测数据（如球拍倾斜角度），而这类信息可能提供关于实际运动适应的更多细节。基线到早期适应阶段的变化不仅反映了球旋转方向的改变，也包含了球速变化带来的适应需求

3.使用机器人发球虽然提高了实验标准化程度，但也在一定程度上限制了任务的生态效度——真实比赛中球员还需要预判对手下一步的动作。

这项研究将运动适应的神经机制研究从简单实验室任务拓展到了复杂的运动情境中，证明了fNIRS在运动场景中的可行性，也为运动训练中的神经反馈干预提供了潜在靶点。

原文信息及链接

研究团队介绍

关于维拓启创

相关产品