国家教育部主管、北京师范大学主办。
文章信息
- 李何慧, 陶伍海, 彭聃龄, 丁国盛. 2017.
- LI Hehui, TAO Wuhai, PENG Danling, DING Guosheng. 2017.
- 发展性阅读障碍与脑异常的因果关系:研究范式及发现
- The Causal Relationship between Developmental Dyslexia and Abnormal Brain Regions:Research Paradigms and the Relevant Findings
- 心理发展与教育, 33(5): 631-640
- Psychological Development and Education, 33(5): 631-640.
- http://dx.doi.org/10.16187/j.cnki.issn1001-4918.2017.05.14
发展性阅读障碍(Development Dyslexia)是一种常见的学习障碍,占人群比例的5%~17% (S. E. Shaywitz & Shaywitz, 2005)。阅读障碍者拥有正常的智商、受教育水平和受教育机会,但他们的阅读准确性和速度均显著低于正常读者(Lyon, Shaywitz, & Shaywitz, 2003)。关于发展性阅读障碍的神经机制,研究者采用脑成像技术开展了大量的研究,希望找到其神经生物学的标记(biomarker)。较为一致的发现是,相比于正常读者,阅读障碍者在左侧颞顶联合区、枕颞区、额下回等灰质区域的结构或功能(Linkersdörfer, Lonnemann, Lindberg, Hasselhorn, & Fiebach, 2012; Maisog, Einbinder, Flowers, Turkeltaub, & Eden, 2008; Richlan, Kronbichler, & Wimmer, 2009, 2013),或以上脑区间的功能连接(冯小霞, 李乐, 丁国盛, 2016; Boets et al., 2013; van der Mark et al., 2011; Cao, Bitan, & Booth, 2008; Schurz et al., 2015),脑网络(Finn et al., 2014; Liu et al., 2015; Qi et al., 2016),以及左侧弓形束、下额枕束等白质纤维束的结构存在异常(Vandermosten, Boets, Poelmans, et al., 2012; Vandermosten, Boets, Wouters, & Ghesquière, 2012; 冯小霞, 李乐, 丁国盛, 2016)。但到目前为止,研究者仍不完全清楚这些脑区(或白质纤维束、脑区间的功能连接、脑网络,以下统称脑区)的异常究竟是阅读障碍的原因,还是阅读障碍者因阅读能力或阅读水平低所导致的结果(Krafnick, Flowers, Luetje, Napoliello, & Eden, 2014; Saygin et al., 2013)。明确两者的因果关系,找到阅读障碍的原因,有助于尽早地对潜在的阅读障碍者进行预测和干预,这对临床和教学有着重要的意义(Raschle, Chang, & Gaab, 2011)。
早期关于阅读障碍的研究主要以成人或学龄期儿童为研究对象,通过对比正常读者和阅读障碍者来确认阅读障碍者的神经缺陷或脑区异常,并以此推断导致阅读障碍发生的脑神经层面的病理机制。但阅读障碍者的阅读水平、阅读经验等与正常读者存在不同,这有可能导致阅读障碍者的脑结构或者脑功能的发展异于正常读者(Carreiras et al., 2009)。在这种情况下,脑成像研究中发现的脑区异常更多地是阅读障碍的“表现”或结果,而不是导致阅读障碍的原因。所以这类研究无法回答发展性阅读障碍与脑区异常之间谁是因、谁是果的问题(Carreiras et al., 2009; Ozernov-Palchik & Gaab, 2016)。
为了确定二者之间的因果关系,研究者逐渐发展出一些新的研究范式,包括设置双对照组(即在对照组之外,再设置一个阅读水平对照组);将研究对象的年龄提早至学龄前(pre-school);纵向追踪;进行训练和干预等。本文拟综述这些不同的研究范式及其发现,并尝试分析其优劣势。
1 双对照组研究 1.1 控制阅读水平如前所述,早期的研究难以说明因果关系主要是因为所选的正常组虽然在个体的年龄、智力、性别等因素上与阅读障碍组匹配(简称为年龄匹配组),但在阅读经验上与阅读障碍组并不匹配。正常读者的阅读经验显著高于阅读障碍者(Elbro, Nielsen, & Petersen, 1994),经验会影响脑的发展(Bellander et al., 2016),从而使得相应脑区在两组人中出现组间差异,而这种差异不太可能是阅读障碍的原因。为了平衡阅读经验的影响,研究者设置了第二组控制组,在阅读水平、性别、智力等因素上与阅读障碍组完全匹配,但生理年龄小于阅读障碍组,简称阅读水平匹配组。其研究逻辑是:如果在障碍组与年龄匹配组、阅读水平匹配组的对比中均发现某个脑区的异常,则认为该脑区的异常更有可能是阅读障碍的原因;反之,如果脑区异常只在障碍组与年龄匹配组对比中发现,在障碍组与阅读水平匹配组的对比中没有发现,则该脑区异常更可能与阅读水平有关,是阅读障碍的表现或结果(Schlaggar & McCandliss, 2007)。
研究者利用双对照组的范式发现,阅读障碍组在语音加工任务中,左侧颞顶区的激活(Hoeft et al., 2006),及左侧颞顶区与枕颞区的功能连接(Cao et al., 2017),显著弱于两组对照组,说明颞顶区或颞顶区与枕颞区的功能连接的异常可能是阅读障碍的原因(Cao et al., 2017; Hoeft et al., 2006)。此外,阅读障碍组左侧额下回的激活与年龄匹配组有显著差异,与阅读水平匹配组无显著差异,研究者认为左侧额下回的功能异常可能是阅读障碍的结果(Hoeft et al., 2007)。
但以上研究多是采用任务状态的功能磁共振成像(fMRI)方法,即考查被试在完成特定认知任务时脑区的激活情况。这种方法的研究结果可能受到实验任务的影响。例如,Hoeft等人(2006)的研究发现是基于视觉呈现得押韵判断任务,Kovelman等人(2012)采用听觉呈现得押韵判断任务,却发现阅读障碍组在左侧背外侧前额叶的激活显著弱于两组对照组,暗示该脑区的功能异常是阅读障碍的原因(Kovelman et al., 2012)。Olulade, Napoliello和Eden(2013)采用视觉运动加工任务,发现阅读障碍组在颞中回视觉运动区(V5/MT)的激活显著弱于年龄匹配组,但与阅读水平匹配组不存在显著差异,也即未发现阅读障碍的原因,只发现V5/MT的异常有可能是阅读障碍的结果(Olulade, Napoliello, & Eden, 2013)。总之,采用不同的任务可能得到不同的研究结果,这给确认研究发现的可靠性带来了困难。
脑结构特征不受实验任务的影响,因而在一定程度上可以弥补任务状态下功能磁共振成像研究的不足。Krafnick等人(2014)采用双对照组的方法探讨阅读障碍的脑结构标记(marker), 发现阅读障碍组右侧中央前回的灰质体积显著小于两组对照组,研究者认为此区域的异常是阅读障碍的关键原因(Krafnick et al., 2014)。值得注意的是右侧脑区一般被认为是阅读障碍者发展出的其他阅读通路,是阅读障碍的结果(Cao et al., 2016; Maisog et al., 2008; Shaywitz et al., 2002)。因此,对该研究结果的解释仍需谨慎。
1.2 控制发展因素在上文提到的研究中,阅读水平匹配组的儿童一般比阅读障碍组的儿童小2岁左右,这意味着在平衡阅读水平的同时,会引入发展因素。为了控制发展因素的影响,Xia, Hoeft, Zhang和Shu(2016)在原来三组被试(年龄匹配组,TD-older;阅读障碍组,DYS-older;阅读水平匹配组,TD-younger)的基础上加入了第四组:与阅读水平匹配组在年龄上匹配的阅读障碍组(DYS-younger)。如果异常同时出现在障碍组与两类对照组对比中(DYS-older VS TD-older; DYS-old VS TD-younger),则可以排除阅读水平的影响;如果异常同时出现在两组障碍组与各自年龄匹配组的对比中(DYS-old VS TD-younger; DYS-younger VS TD-younger),则可以排除个体发展的影响;如果异常同时出现在以上组的对比中,则既可以排除阅读水平的影响,又可以排除个体发展的影响。研究发现在排除两个因素的基础之上,阅读障碍者左侧颞顶区、左侧额中回及枕上回的灰质体积显著小于正常读者,暗示这些脑区的异常是阅读障碍的原因(Xia et al., 2016)。
1.3 双对照组范式的不足首先,双对照组试图通过增加阅读水平匹配组以控制阅读经验的影响。但阅读水平并不完全等同于阅读经验。对于有些阅读障碍者,即使是给予干预,增加阅读经验,也无法恢复到正常的阅读水平(Davis et al., 2011; Odegard, Ring, Smith, Biggan, & Black, 2008)。
其次,双对照组的研究主要通过增加对照组来控制阅读水平和个体发展的影响。然而,除了这两个变量外,正常读者和阅读障碍者在阅读经验、阅读中的动机和情绪等其它变量上也存在差异,这些差异可能会反映到脑成像研究结果中,表现为某些脑区的发展异常,从而干扰对阅读障碍成因的精准确认。随后介绍的学龄前儿童研究范式,则试图从根本上消除这些与阅读过程有关的众多潜在变量的影响。
2 学龄前儿童研究如前所述,尽管双对照组的设计控制了阅读水平,但无法控制与阅读过程有关的其他变量的影响。选择没有阅读经验的学龄前儿童为研究对象,可以有效弥补这一不足。然而,因学龄前儿童还没有开始正规的阅读学习,故无法诊断其是否为阅读障碍患者。于是研究者采取了间接性策略:评估儿童患阅读障碍风险,通过比较高风险和低风险儿童以探讨与阅读障碍相关的神经机制。
2.1 定义阅读障碍风险研究者通过两种风险因素来衡量儿童发展成阅读障碍的可能性。一是儿童是否具有家庭阅读障碍史,二是儿童的前阅读认知技能(pre-reading skills)。
阅读障碍是一种可遗传的学习障碍,遗传率可达30%到70% (Scerri & Schulte-Körne, 2010)。根据儿童是否至少有一位直系亲属已经被诊断为阅读障碍,研究者将学龄前儿童分为有家庭阅读障碍史的儿童(with family history of dyslexia, FHD+)和无家庭阅读障碍史的儿童(without family history of dyslexia, FHD-; Raschle et al., 2011; Vandermosten et al., 2015), 通过对比这两组儿童的神经机制,并与前人对于阅读障碍的研究结果进行比较,以探讨阅读障碍产生的原因。
除了遗传因素,儿童的前阅读技能(pre-reading skills),包括语者意识及快速命名能力(Saygin et al., 2013),也能预测儿童随后的阅读能力,并且预测的准确率可达到75%甚至93% (Bach, Richardson, Brandeis, Martin, & Brem, 2013)。相比于是否具有家庭阅读障碍史,前阅读技能并不是绝对的二分变量。因此有些研究者根据前阅读技能的测量得分,设定相应的评判标准并根据此标准将儿童分成高或低患阅读障碍风险组,进而对比两组儿童的神经机制(Specht et al., 2009);也有些研究者将此风险因素视为连续变量,采用相关的方法,探讨与其相关联的脑机制(Saygin et al., 2013)。
2.2 学龄前儿童研究的逻辑和研究发现如果阅读障碍者脑区的异常,在FHD+中也出现,则可认为此异常是导致阅读障碍的原因。因为学龄前儿童还不具有阅读经验,这时表现得脑区异常不太可能是阅读障碍的结果(Raschle et al., 2011; Raschle, Zuk, & Gaab, 2012)。基于此逻辑,研究者采用家庭阅读障碍史分组,对比了FHD+和FHD-的脑灰质体积(Raschle et al., 2011)、脑沟模式(Im, Raschle, Smith, Grant, & Gaab, 2015)、脑结构网络(Hosseini et al., 2013),白质纤维的完整性(Vandermosten et al., 2015)以及在完成与阅读相关的任务(首音匹配)时大脑的激活情况(Raschle et al., 2012)。结果显示,阅读障碍者在颞顶区、枕颞区(Linkersdörfer et al., 2012; Richlan, 2012)以及左侧弓形束(Vandermosten, Boets, Poelmans, et al., 2012; Vandermosten, Boets, Wouters, et al., 2012)的异常,同样出现在FHD+中(Im et al., 2015; Raschle et al., 2011; Raschle et al., 2012; Vandermosten et al., 2015),表明这些脑区的异常很可能是阅读障碍的原因。而阅读障碍者中经常被发现的额下回的异常(Linkersdörfer et al., 2012),在FHD+中并未出现(Raschle et al., 2011; Raschle et al., 2012),有可能说明额下回的异常是阅读障碍的结果(Raschle et al., 2012)。
根据前阅读技能衡量儿童患阅读障碍风险的研究也发现类似的结果:在完成正字法加工任务时,风险组儿童在左侧枕颞区的激活显著弱于控制组儿童(Specht et al., 2009);而且左侧弓形束的体积与儿童患阅读障碍风险呈显著的正相关(Saygin et al., 2013),暗示左侧枕颞区及弓形束的异常有可能是阅读障碍的原因。
总之,学龄前儿童的研究较为一致的发现:左侧颞顶区、枕颞区的结构或功能及左侧弓形束结构的异常有可能是阅读障碍的原因。
2.3 学龄前儿童研究范式的优点及不足学龄前儿童的研究范式可以有效地控制与阅读过程有关的变量对研究结果的影响,如阅读水平、阅读经验等(Raschle et al., 2011; Vandermosten et al., 2015)。但该范式也存在一些不足。首先,学龄前的研究是根据“患阅读障碍风险”来对儿童进行分组。然而,具有阅读障碍风险的儿童并不一定会发展成为阅读障碍者,因此难以确定高风险者脑区的异常,究竟是阅读障碍的直接病因,还是仅反映了所谓的风险因素的效应(Ozernov-Palchik & Gaab, 2016)。
其次,选择学龄前的儿童为研究对象,也难以从根本上排除阅读经验的影响(Castles & Coltheart, 2004; Vandermosten, Hoeft, & Norton, 2016)。因为儿童在家庭中或多或少地会获得一定的阅读经验。而且不同的家庭经济社会地位(Powers, Wang, Beach, Sideridis, & Gaab, 2016)、语言能力(Raschle et al., 2015)、家庭阅读环境(Powers et al., 2016)等,都可能会直接或者间接地影响学龄前儿童的阅读经验。为了进一步控制阅读经验的影响,有研究甚至选择平均年龄为11个月的婴儿为研究对象,发现左侧弓形束的异常在儿童18个月前已经出现了(Langer et al., 2017)。但是,即使是选择11月的婴儿为研究对象,也只能是部分而非完全控制阅读经验的影响。
3 纵向追踪研究 3.1 研究逻辑纵向研究通过追踪观察个体脑发展与阅读能力发展的关系,探讨脑区异常与阅读障碍的因果关系。目前常用的一种方法是回溯分析法(Retrospective analysis)。其主要逻辑是:根据阅读能力将学龄后的儿童分为阅读障碍者和正常读者,然后回溯分析这两组人在学龄前脑结构或脑功能差异。如果阅读障碍者脑结构或脑功能的异常在学龄前已经出现,则认为此异常有可能是阅读障碍的原因;反之,则认为此异常是阅读障碍者阅读经验少所导致的结果。
Clark等人(2014)分别在一年级(接受正式的阅读教学之前)、三年级以及六年级三个时期对儿童的大脑进行扫描。在六年级时,根据诊断结果将儿童分为阅读障碍组和阅读正常组,然后分析两组人在三个阶段的大脑差异。研究发现,相比于正常读者,阅读障碍者的初级听觉皮层的皮层厚度在一年级和六年级时较少。此结果表明阅读障碍者初级听觉皮层的异常在学龄前已经出现,相关区域的异常有可能是阅读障碍的原因。另外,研究者还发现:六年级时,阅读障碍者的左侧颞顶区及左侧梭状回的皮层厚度显著小于正常读者;而一年级时两组人在这些区域没有显著差异,说明这些脑区的异常有可能是阅读障碍的结果(Clark et al., 2014)。但值得注意的是此研究被试较少,而且其发现(左侧颞顶区及左侧枕颞区的异常是阅读障碍导致的结果)与学龄前的研究结论相反(Kraft et al., 2015)。因此,对该研究结果的解释仍需谨慎。
3.2 纵向研究存在优势与不足从学龄前开始的纵向研究,目前是研究阅读障碍与脑区异常之间因果关系的最佳范式。首先,纵向研究从学龄前开始追踪,可控制与阅读过程相关变量的影响,弥补双对照组研究的不足。其次,纵向研究可同时根据风险因素以及随后阅读能力对个体进行分组,区分风险因素的效应与阅读障碍本身的效应(Wang et al., 2016),从而弥补学龄前研究的不足(Ozernov-Palchik & Gaab, 2016)。
纵向研究范式也存在一些局限。首先,并不是所有的纵向研究都能说明因果问题。例如,有的研究所采用的研究起点在学龄后(Hoeft et al., 2011; Yeatman, Dougherty, Ben-Shachar, & Wandell, 2012),因无法严格排除阅读经验或阅读水平的影响,故难以说明因果;而另外一些所采用的研究起点虽然在学龄前,但其只根据风险因素分组后追踪儿童的阅读能力的发展(Yamada et al., 2011),因难以区分风险因素和阅读障碍本身的效应,故也难说明因果。纵向研究在说明因果问题时,一般需要从学龄前开始追踪研究对象,至少到其可以被诊断为止。其次,由于采用纵向研究范式的研究正处于起步阶段,目前发表的研究报告中样本量通常偏少(Clark et al., 2014; Morken, Helland, Hugdahl, & Specht, 2016),这可能会影响结果的稳定性及可靠性(Kraft et al., 2015)。再次,回溯研究只能用于探讨个体被诊断时脑区的异常与阅读障碍的因果关系:若脑区的异常出现在学龄前,则脑区的异常可能是因;若脑区的异常出现在学龄后,则脑区的异常可能是果。但脑区的发展是动态变化的,有些脑区在学龄前会出现异常,而在随后的发展中会恢复(Clark et al., 2014)。这些暂时性的脑区异常与阅读障碍因果关系,用回溯的方法难以确定。最后,较难实现较长时间的追踪。追踪的时间越长,越能全面认识因果关系;但在长时间的追踪过程中,被试的流失更替和环境的变迁也会影响结果的可靠性。
4 干预研究干预研究是研究者通过对比训练或干预前后阅读障碍者的脑功能或结构变化,以检验训练与干预的效果,并试图找到干预阅读障碍的有效手段,或探索大脑在干预过程中的可塑性等。该范式也为因果关系的探索提供了新的角度。
阅读障碍干预的脑成像研究目前可分为三类。一类是经典的干预范式,分为三个阶段:前测、行为训练和后测。主要探讨干预前后阅读障碍者的行为以及脑的改变(Aylward et al., 2003; Eden et al., 2004; Krafnick, Flowers, Napoliello, & Eden, 2011)。研究发现,相比于正常读者,阅读障碍者在前测中激活减弱的脑区在经过干预后增强,如左侧顶叶(Eden et al., 2004),左侧额中/额下回(Aylward et al., 2003), 左侧的颞上回后部(Simos et al., 2002)。同时,阅读障碍者脑区间功能连接减弱的区域在经过训练后也恢复正常,如额下回与双侧的额中回和辅助运动区之间的功能连接(Richards & Berninger, 2008)。与此同时,个体的阅读能力也得到显著提高。究竟是因为脑区异常得到了改善,使得个体的阅读能力提升;还是因为个体阅读能力的改善,使得某些与阅读能力相关的脑区的异常得以恢复?目前,此问题难以从这类干预研究中直接得到答案。经典的干预范式在说明因果问题时,还需要与其他研究范式交叉验证。
第二类干预范式,研究者试图通过比较干预后不同恢复程度的阅读障碍者,以探讨阅读障碍与脑区异常的关系。例如,Ma等人(2015)选择了三组具有不同阅读能力但都有阅读障碍史的被试:阅读障碍组、阅读能力部分恢复组和阅读能力完全恢复组,三组人分别与无阅读障碍史的正常组对比。研究发现相比于正常读者,三个阅读障碍组左侧梭状回的皮层厚度更厚(Ma et al., 2015),且左侧顶下小叶和左侧额中回的功能连接更弱(Koyama et al., 2013)。研究者认为,这些脑区的异常有可能是阅读障碍固有的原因,不受阅读能力恢复程度的影响。但即使是导致阅读障碍的异常脑区,也并不一定意味着干预之后不能恢复。如研究发现弓形束可能是阅读障碍的一个潜在的原因(Myers et al., 2014; Saygin et al., 2013),但增加阅读经验可改善其结构,增加其白质纤维的完整性(Thiebaut de Schotten, Cohen, Amemiya, Braga, & Dehaene, 2012)。
第三类干预的方法,研究者试图通过重复性的经颅磁刺激(rTMS)或者经颅直流电刺激(TDCS)刺激阅读障碍者的脑区,考查当改变大脑神经活动时对个体行为反应的影响。高频率的rTMS,可增加脑区的兴奋性,促进行为表现;低频率的rTMS,效果则相反(杨远滨, 肖娜, 李梦瑶, 宋为群, 2011)。近期有研究利用高频rTMS刺激阅读障碍者的左侧顶下小叶,发现阅读障碍者对假词阅读的准确性提高(Costanzo, Menghini, Caltagirone, Oliveri, & Vicari, 2013)。此结果说明左侧顶下小叶的异常可能是阅读障碍的原因。但值得注意的是,研究者还发现,当刺激右侧的顶下小叶时,阅读障碍者的阅读能力也得到提升(Costanzo et al., 2013)。但右侧的顶下小叶一般被认为是阅读障碍者的补偿区域(Costanzo et al., 2013; Hoeft et al., 2007)。也即,经颅磁刺激不仅可以通过刺激原本异常的脑区提升阅读障碍者的阅读能力,还可以刺激所谓的右侧补偿脑区(更多的被理解为阅读障碍的结果)来提高阅读障碍者的阅读能力。此范式仍然无法明确判断哪些脑区是因哪些脑区是果,对因果的确认往往需要结合其他的研究成果。
总之,目前的干预研究的结果还不能绝对地说明因果关系,干预的过程中可能改变了与阅读无关的第三个变量,或改善了某种更基础的认知能力或加工机制,因此无法确定经过干预改善的脑区与阅读障碍之间的因果关系。
5 不同脑指标预测因果关系在脑的结构分析中,灰质体积又细分为皮层厚度和皮层表面积的分析。研究者认为两者受不同因素的影响:皮层厚度受后天因素影响较大,而皮层表面积受先天因素影响较大(Black et al., 2012; Frye et al., 2010; Qi et al., 2016)。目前也有一些研究利用皮层厚度和表面积探讨因果问题,认为皮层表面积的异常是阅读障碍形成的原因,而皮层厚度的异常是阅读障碍的结果(Frye et al., 2010)。
如Frye等人(2010)发现,额下回及梭状回皮层表面积与阅读障碍者语音技能呈显著的负相关,说明这些脑区的异常可能是阅读障碍的原因。但事实上,皮层厚度并不仅仅受到后天因素影响,先天遗传因素也扮演着重要的作用(Eicher et al., 2016)。而且,建立在皮层指标逻辑上的研究结论与其他范式的研究结论往往相互矛盾。比如,干预研究中认为左侧梭状回皮层厚度的异常不受干预后阅读水平的影响,此异常更可能是阅读障碍的原因(Ma et al., 2015),但是按照皮层指标说明因果关系的逻辑,皮层厚度的异常应该是阅读障碍的结果。因此,我们并不能简单地按照皮层异常的指标不同,来推断阅读障碍与脑区异常的因果关系。
6 总结与展望本文综述并分析了脑区异常与阅读障碍因果关系的研究范式及结果。不同范式的着眼点和内在逻辑各不相同,在探讨原因还是结果中也各有优缺点。另外,不同范式得到的发现或结论也存在分歧。因此,虽然关于阅读障碍的研究已经有很多,但到目前为止,我们仍不完全清楚其核心的神经生物原因(Vandermosten et al., 2016)。
脑区异常与阅读障碍之间的因果关系之所以难以确定,主要有以下原因:首先,阅读是一个非常复杂的认知过程,包含字形加工、形音转换或形义转换、以及语音或语义提取等多个环节(Achal, Hoeft, & Bray, 2015)。在这些环节中,任何一个环节的缺陷,都可能导致阅读障碍的发生。换句话说,导致阅读障碍的病理机制可能不是单一的,而是存在多种可能性,或者说,阅读障碍其实有复杂的亚类型。在阅读障碍的脑机制研究中,往往是根据阅读成绩或水平遴选出阅读障碍患者,而很少会在更细微的认知水平上对导致阅读障碍的原因作更精细的辨别和区分。而研究发现不同亚类型的阅读障碍患者,往往对应于不同的神经异常(Jednoróg, Gawron, Marchewka, Heim, & Grabowska, 2014)。如果不对这些阅读障碍的亚类型作精细的区分,而是笼统地混在一起,对研究结果的一致性和可信度会带来很大影响,也无形中增加了确认原因还是结果的难度。
其次,在实际的观察和测量中,脑功能与行为在某种程度上是同一事件或过程的两个方面,两者存在复杂的联系和相互作用,在二者之间强行区分或确定谁是因、谁是果,不一定合适。比如,人们在完成一定的认知活动(如阅读)时,我们一方面可以采用脑成像技术测量其脑功能活动,另一方面可以采用认知-行为技术测查其行为表现。对于阅读障碍者而言,他们一方面在脑功能上表现为激活异常,另一方面在行为上表现为阅读水平或能力更低,这二者究竟谁是因、谁是果呢?如果从更细微的水平上观察,阅读行为的发生首先是源自脑内的神经活动或指令,而在阅读过程中,阅读行为和脑功能活动则存在复杂的相互作用,一方面,脑的激活状态和水平对阅读的理解层次和深度有重要影响,另一方面,阅读的理解层次和深度又反过来进一步影响脑功能激活的状态和强度。因此,脑功能和行为表现之间存在密切的联系而难以分离,这时很难在二者之间确认谁是因、谁是果。
再次,不管是成人还是儿童,其脑结构和功能特征本身就是多种因素相互作用的产物,既有基因的作用,也有环境和自身经验的作用。阅读障碍本身是阅读障碍者的一种独特的个体经验,不管是阅读过程本身,还是与阅读过程相联系的情绪和情感体验,阅读障碍者和阅读正常者都存在差异。而这种独特的个体经验已经对阅读障碍者脑结构和脑功能发育产生了影响。如何从脑功能和结构中分离出这种经验的影响,只保留纯粹的“导致阅读障碍的原因”,是一个巨大的挑战。一种可能的解决方案是以没有阅读经验的学龄前儿童为研究对象,但这种方案也存在一些不足,详见上文的论述。
基于上述分析,未来的研究可以从以下几个方面入手。
首先,细致区分阅读障碍的亚类型。例如,通过多种认知测量手段,精确判别和诊断导致阅读障碍者的关键认知缺陷:是语音加工缺陷,正字法加工缺陷,还是快速命名缺陷(孟泽龙, 张逸玮, 毕鸿燕, 2017)。对这些不同情况进行精细区分,有助于更准确地辨别和确认导致阅读障碍发生的真正神经缺陷。另一种可能的区分亚类型的思路是,通过神经缺陷来区分不同的阅读障碍类型,例如,根据脑功能激活或脑结构特征,把阅读障碍患者区分为缘上回障碍患者、角回障碍患者、梭状回障碍患者、以及各种复合型障碍患者等。可以预期,不同神经缺陷的阅读障碍患者,在一些基本的认知功能上会表现出不同的认知缺陷或异常。从长远来看,细分亚类型无疑能够深化我们对导致阅读障碍的神经机制的认识。
其次,以成熟和完善的阅读认知-神经模型为指导。由于阅读过程的复杂性,很多认知过程及脑区都卷入到阅读过程中。阅读究竟包含了哪些认知过程或认知成分?在阅读中,这些过程和成分是如何联系和相互作用的?同样,哪些脑区参与了阅读过程,这些脑区是如何联系和相互作用的?认知成分和脑区之间的关系是什么?一个较为成熟和完善的阅读认知-神经模型会对上述问题作出恰当而合理的假设和预期,并能得到以往文献中研究发现的支持。以这样的认知-神经模型为指导,在探索和确认阅读障碍与特定脑区异常的因果关系中,能有效地提高研究发现、结论和推论的可靠性。
再次,通过不同的研究范式进行交叉印证,优化和改进因果研究范式所依据的逻辑。理论上,如果特定脑区的异常是阅读障碍的原因,需要满足以下条件:(1) 该脑区在正常阅读中的作用非常关键,不可或缺;(2) 该脑区担负的认知功能,以及该功能在阅读中的作用和地位相对明确;(3) 干扰该脑区对阅读活动或阅读水平产生显著影响,撤销干扰,阅读水平恢复;(4) 该脑区的异常在特定类型的阅读障碍者中具有普遍性和可重复性。显然,很难在同一个研究中对这几个条件都同时做出检验。因此,多种范式及不同研究之间的交叉印证就非常必要。
最后,探讨阅读障碍和脑区异常的因果关系,需要综合考虑脑的动态发展变化特点,和基因、环境、经验的作用等多种因素的影响,在细致分析的基础上,审慎做出结论。脑结构和功能的发育的是动态变化的(Clark et al., 2014; Morken et al., 2016)。有些脑区尽管在发展早期就(例如,学习阅读之前)表现为异常,但之后可能会恢复正常。另外,在不同的年龄或发展阶段,阅读障碍的机制会表现出不同的特点(Evans, Flowers, Napoliello, & Eden, 2014; Richlan, Kronbichler, & Wimmer, 2011)。例如,Richlan等人(2011)发现,成人和儿童阅读障碍者都表现出左侧枕颞区的异常,但只有成人阅读障碍者才表现出左侧颞顶区的异常。因此,对导致阅读障碍的神经机制的探讨,需要考虑其年龄和发展阶段。而且,之前的探究因果的纵向研究,一般只考查两个或三个时间点,难以细致追踪和刻画在不同年龄和发展阶段的动态性变化。未来研究可以多设置多个观察的时间点,考查在不同的发展阶段的阅读障碍者所表现出的特征。对基因和环境的作用也要考虑,研究者认为阅读障碍是一个高度遗传性的障碍,阅读障碍的风险基因(如KIAA0319, NRSN1) 与皮层厚度或灰质体积显著相关(Eicher et al., 2016; Mascheretti et al., 2017; Skeide et al., 2016)。这说明,遗传因素也是阅读障碍因果关系的研究中,不得不考虑的一个问题。与此同时,环境和个人经验的作用也不能忽视。如何综合考虑各种不同的影响因素,以得出可靠的结论,是研究者需要面对和解决的一个巨大的挑战。
Achal S., Hoeft F., & Bray S. (2015). Individual Differences in Adult Reading Are Associated with Left Temporo-parietal to Dorsal Striatal Functional Connectivity. Cerebral Cortex, 26(10), 4069-4081. |
Aylward E. H., Richards T. L., Berninger V. W., Nagy W. E., Field K. M., & Grimme A. C. (2003). Instructional treatment associated with changes in brain activation in children with dyslexia. Neurology, 61(2), 212-219. DOI: 10.1212/01.WNL.0000068363.05974.64. |
Bach S., Richardson U., Brandeis D., Martin E., & Brem S. (2013). Print-specific multimodal brain activation in kindergarten improves prediction of reading skills in second grade. NeuroImage, 82, 605-615. DOI: 10.1016/j.neuroimage.2013.05.062. |
Bellander M., Berggren R., Mårtensson J., Brehmer Y., Wenger E., & Li T.-Q. (2016). Behavioral correlates of changes in hippocampal gray matter structure during acquisition of foreign vocabulary. NeuroImage, 131, 205-213. DOI: 10.1016/j.neuroimage.2015.10.020. |
Black J. M., Tanaka H., Stanley L., Nagamine M., Zakerani N., & Thurston A. (2012). Maternal history of reading difficulty is associated with reduced language-related gray matter in beginning readers. NeuroImage, 59(3), 3021-3032. DOI: 10.1016/j.neuroimage.2011.10.024. |
Boets B., de Beeck H. P. O., Vandermosten M., Scott S. K., Gillebert C. R., & Mantini D. (2013). Intact but less accessible phonetic representations in adults with dyslexia. Science, 342(6163), 1251-1254. DOI: 10.1126/science.1244333. |
Cao F., Bitan T., & Booth J. R. (2008). Effective brain connectivity in children with reading difficulties during phonological processing. Brain and Language, 107(2), 91-101. DOI: 10.1016/j.bandl.2007.12.009. |
Cao F., Yan X., Wang Z., Liu Y., Wang J., & Spray G. J. (2016). Neural signatures of phonological deficits in Chinese developmental dyslexia. NeuroImage, 146, 301-311. |
Cao F., Yan X., Wang Z., Liu Y., Wang J., & Spray G. J. (2017). Neural signatures of phonological deficits in Chinese developmental dyslexia. NeuroImage, 146, 301-311. DOI: 10.1016/j.neuroimage.2016.11.051. |
Carreiras M., Seghier M. L., Baquero S., Estévez A., Lozano A., & Devlin J. T. (2009). An anatomical signature for literacy. Nature, 461(7266), 983-986. DOI: 10.1038/nature08461. |
Castles A., & Coltheart M. (2004). Is there a causal link from phonological awareness to success in learning to read?. Cognition, 91(1), 77-111. DOI: 10.1016/S0010-0277(03)00164-1. |
Clark K. A., Helland T., Specht K., Narr K. L., Manis F. R., & Toga A. W. (2014). Neuroanatomical precursors of dyslexia identified from pre-reading through to age 11. Brain, 137(12), 3136-3141. DOI: 10.1093/brain/awu229. |
Costanzo F., Menghini D., Caltagirone C., Oliveri M., & Vicari S. (2013). How to improve reading skills in dyslexics:the effect of high frequency rTMS. Neuropsychologia, 51(14), 2953-2959. DOI: 10.1016/j.neuropsychologia.2013.10.018. |
Davis N., Barquero L., Compton D. L., Fuchs L. S., Fuchs D., & Gore J. C. (2011). Functional correlates of children's responsiveness to intervention. Developmental Neuropsychology, 36(3), 288-301. DOI: 10.1080/87565641.2010.549875. |
Eden G. F., Jones K. M., Cappell K., Gareau L., Wood F. B., & Zeffiro T. A. (2004). Neural changes following remediation in adult developmental dyslexia. Neuron, 44(3), 411-422. DOI: 10.1016/j.neuron.2004.10.019. |
Eicher J. D., Montgomery A. M., Akshoomoff N., Amaral D. G., Bloss C. S., & Libiger O. (2016). Dyslexia and language impairment associated genetic markers influence cortical thickness and white matter in typically developing children. Brain Imaging and Behavior, 10(1), 272-282. DOI: 10.1007/s11682-015-9392-6. |
Elbro C., Nielsen I., & Petersen D. K. (1994). Dyslexia in adults:Evidence for deficits in non-word reading and in the phonological representation of lexical items. Annals of Dyslexia, 44(1), 203-226. DOI: 10.1007/BF02648162. |
Evans T. M., Flowers D. L., Napoliello E. M., & Eden G. F. (2014). Sex-specific gray matter volume differences in females with developmental dyslexia. Brain Structure and Function, 219(3), 1041-1054. DOI: 10.1007/s00429-013-0552-4. |
Finn E. S., Shen X., Holahan J. M., Scheinost D., Lacadie C., & Papademetris X. (2014). Disruption of functional networks in dyslexia:a whole-brain, data-driven analysis of connectivity. Biological Psychiatry, 76(5), 397-404. DOI: 10.1016/j.biopsych.2013.08.031. |
Frye R. E., Liederman J., Malmberg B., McLean J., Strickland D., & Beauchamp M. S. (2010). Surface area accounts for the relation of gray matter volume to reading-related skills and history of dyslexia. Cerebral Cortex, 20, 2625-2635. DOI: 10.1093/cercor/bhq010. |
Hoeft F., Hernandez A., McMillon G., Taylor-Hill H., Martindale J. L., & Meyler A. (2006). Neural basis of dyslexia:a comparison between dyslexic and nondyslexic children equated for reading ability. The Journal of Neuroscience, 26(42), 10700-10708. DOI: 10.1523/JNEUROSCI.4931-05.2006. |
Hoeft F., McCandliss B. D., Black J. M., Gantman A., Zakerani N., & Hulme C. (2011). Neural systems predicting long-term outcome in dyslexia. Proceedings of the National Academy of Sciences, 108(1), 361-366. DOI: 10.1073/pnas.1008950108. |
Hoeft F., Meyler A., Hernandez A., Juel C., Taylor-Hill H., & Martindale J. L. (2007). Functional and morphometric brain dissociation between dyslexia and reading ability. Proceedings of the National Academy of Sciences, 104(10), 4234-4239. DOI: 10.1073/pnas.0609399104. |
Hosseini S. H., Black J. M., Soriano T., Bugescu N., Martinez R., & Raman M. M. (2013). Topological properties of large-scale structural brain networks in children with familial risk for reading difficulties. NeuroImage, 71, 260-274. DOI: 10.1016/j.neuroimage.2013.01.013. |
Im K., Raschle N. M., Smith S. A., Grant P. E., & Gaab N. (2015). Atypical Sulcal Pattern in Children with Developmental Dyslexia and At-Risk Kindergarteners. Cerebral Cortex, 26, 1138-1148. |
Jednoróg K., Gawron N., Marchewka A., Heim S., & Grabowska A. (2014). Cognitive subtypes of dyslexia are characterized by distinct patterns of grey matter volume. Brain Structure and Function, 219(5), 1697-1707. DOI: 10.1007/s00429-013-0595-6. |
Kovelman I., Norton E. S., Christodoulou J. A., Gaab N., Lieberman D. A., & Triantafyllou C. (2012). Brain basis of phonological awareness for spoken language in children and its disruption in dyslexia. Cerebral Cortex, 22(4), 754-764. DOI: 10.1093/cercor/bhr094. |
Koyama M. S., Di Martino A., Kelly C., Jutagir D. R., Sunshine J., & Schwartz S. J. (2013). Cortical signatures of dyslexia and remediation:an intrinsic functional connectivity approach. PloS One, 8(2), e55454. DOI: 10.1371/journal.pone.0055454. |
Krafnick A. J., Flowers D. L., Luetje M. M., Napoliello E. M., & Eden G. F. (2014). An Investigation into the Origin of Anatomical Differences in Dyslexia. The Journal of Neuroscience, 34(3), 901-908. DOI: 10.1523/JNEUROSCI.2092-13.2013. |
Krafnick A. J., Flowers D. L., Napoliello E. M., & Eden G. F. (2011). Gray matter volume changes following reading intervention in dyslexic children. NeuroImage, 57(3), 733-741. DOI: 10.1016/j.neuroimage.2010.10.062. |
Kraft I., Cafiero R., Schaadt G., Brauer J., Neef N. E., & Müller B. (2015). Cortical differences in preliterate children at familiar risk of dyslexia are similar to those observed in dyslexic readers. Brain, 138(9), e378-e378. DOI: 10.1093/brain/awv036. |
Langer N., Peysakhovich B., Zuk J., Drottar M., Sliva D. D., & Smith S. (2017). White matter alterations in infants at risk for developmental dyslexia. Cerebral Cortex, 27(2), 1027-1036. |
Linkersdörfer J., Lonnemann J., Lindberg S., Hasselhorn M., & Fiebach C. J. (2012). Grey matter alterations co-localize with functional abnormalities in developmental dyslexia:an ALE meta-analysis. PloS One, 7(8), e43122. DOI: 10.1371/journal.pone.0043122. |
Liu K., Shi L., Chen F., Waye M. M., Lim C. K., & Cheng P.-w. (2015). Altered topological organization of brain structural network in Chinese children with developmental dyslexia. Neuroscience Letters, 589, 169-175. DOI: 10.1016/j.neulet.2015.01.037. |
Lyon G. R., Shaywitz S. E., & Shaywitz B. A. (2003). A definition of dyslexia. Annals of Dyslexia, 53(1), 1-14. DOI: 10.1007/s11881-003-0001-9. |
Ma Y., Koyama M. S., Milham M. P., Castellanos F. X., Quinn B. T., & Pardoe H. (2015). Cortical thickness abnormalities associated with dyslexia, independent of remediation status. NeuroImage:Clinical, 7, 177-186. DOI: 10.1016/j.nicl.2014.11.005. |
Maisog J. M., Einbinder E. R., Flowers D. L., Turkeltaub P. E., & Eden G. F. (2008). A Meta-analysis of Functional Neuroimaging Studies of Dyslexia. Annals of the New York Academy of Sciences, 1145(1), 237-259. DOI: 10.1196/nyas.2008.1145.issue-1. |
Mascheretti S., De Luca A., Trezzi V., Peruzzo D., Nordio A., & Marino C. (2017). Neurogenetics of developmental dyslexia:from genes to behavior through brain neuroimaging and cognitive and sensorial mechanisms. Translational Psychiatry, 7(1), e987. DOI: 10.1038/tp.2016.240. |
Morken F., Helland T., Hugdahl K., & Specht K. (2016). Reading in dyslexia across literacy development:A longitudinal study of effective connectivity. NeuroImage, 144, 92-100. |
Myers C. A., Vandermosten M., Farris E. A., Hancock R., Gimenez P., & Black J. M. (2014). White matter morphometric changes uniquely predict children's reading acquisition. Psychological Science, 25(10), 1870-1883. DOI: 10.1177/0956797614544511. |
Odegard T. N., Ring J., Smith S., Biggan J., & Black J. (2008). Differentiating the neural response to intervention in children with developmental dyslexia. Annals of Dyslexia, 58(1), 1-14. DOI: 10.1007/s11881-008-0014-5. |
Olulade O. A., Napoliello E. M., & Eden G. F. (2013). Abnormal visual motion processing is not a cause of dyslexia. Neuron, 79(1), 180-190. DOI: 10.1016/j.neuron.2013.05.002. |
Ozernov-Palchik O., & Gaab N. (2016). Tackling the Early Identification of Dyslexia with the Help of Neuroimaging. Perspectives on Language and Literacy, 42(1), 11-17. |
Powers S. J., Wang Y., Beach S. D., Sideridis G. D., & Gaab N. (2016). Examining the relationship between home literacy environment and neural correlates of phonological processing in beginning readers with and without a familial risk for dyslexia:an fMRI study. Annals of Dyslexia, 66(3), 337-360. DOI: 10.1007/s11881-016-0134-2. |
Qi T., Gu B., Ding G., Gong G., Lu C., & Peng D. (2016). More bilateral, more anterior:Alterations of brain organization in the large-scale structural network in Chinese dyslexia. NeuroImage, 124, 63-74. DOI: 10.1016/j.neuroimage.2015.09.011. |
Raschle N. M., Becker B. L. C., Smith S., Fehlbaum L. V., Wang Y., & Gaab N. (2015). Investigating the influences of language delay and/or familial risk for dyslexia on brain structure in 5-year-olds. Cerebral Cortex, 27(1), 764-776. |
Raschle N. M., Chang M., & Gaab N. (2011). Structural brain alterations associated with dyslexia predate reading onset. NeuroImage, 57(3), 742-749. DOI: 10.1016/j.neuroimage.2010.09.055. |
Raschle N. M., Zuk J., & Gaab N. (2012). Functional characteristics of developmental dyslexia in left-hemispheric posterior brain regions predate reading onset. Proceedings of the National Academy of Sciences, 109(6), 2156-2161. DOI: 10.1073/pnas.1107721109. |
Richards T. L., & Berninger V. W. (2008). Abnormal fMRI connectivity in children with dyslexia during a phoneme task:Before but not after treatment. Journal of Neurolinguistics, 21(4), 294-304. DOI: 10.1016/j.jneuroling.2007.07.002. |
Richlan F. (2012). Developmental dyslexia:dysfunction of a left hemisphere reading network. Frontiers in Human Neuroscience, 6, 120. |
Richlan F., Kronbichler M., & Wimmer H. (2009). Functional abnormalities in the dyslexic brain:A quantitative meta-analysis of neuroimaging studies. Human Brain Mapping, 30(10), 3299-3308. DOI: 10.1002/hbm.v30:10. |
Richlan F., Kronbichler M., & Wimmer H. (2011). Meta-analyzing brain dysfunctions in dyslexic children and adults. NeuroImage, 56(3), 1735-1742. DOI: 10.1016/j.neuroimage.2011.02.040. |
Richlan F., Kronbichler M., & Wimmer H. (2013). Structural abnormalities in the dyslexic brain:A meta-analysis of voxel-based morphometry studies. Human Brain Mapping, 34(11), 3055-3065. DOI: 10.1002/hbm.22127. |
Saygin Z. M., Norton E. S., Osher D. E., Beach S. D., Cyr A. B., & Ozernov-Palchik O. (2013). Tracking the roots of reading ability:white matter volume and integrity correlate with phonological awareness in prereading and early-reading kindergarten children. The Journal of Neuroscience, 33(33), 13251-13258. DOI: 10.1523/JNEUROSCI.4383-12.2013. |
Scerri T. S., & Schulte-Körne G. (2010). Genetics of developmental dyslexia. European Child & Adolescent Psychiatry, 19(3), 179-197. |
Schlaggar B. L., & McCandliss B. D. (2007). Development of neural systems for reading. Annu. Rev. Neurosci., 30, 475-503. DOI: 10.1146/annurev.neuro.28.061604.135645. |
Schurz M., Wimmer H., Richlan F., Ludersdorfer P., Klackl J., & Kronbichler M. (2015). Resting-state and task-based functional brain connectivity in developmental dyslexia. Cerebral Cortex, 25(10), 3502-3514. DOI: 10.1093/cercor/bhu184. |
Shaywitz B. A., Shaywitz S. E., Pugh K. R., Mencl W. E., Fulbright R. K., & Skudlarski P. (2002). Disruption of posterior brain systems for reading in children with developmental dyslexia. Biological Psychiatry, 52(2), 101-110. DOI: 10.1016/S0006-3223(02)01365-3. |
Shaywitz S. E., & Shaywitz B. A. (2005). Dyslexia (specific reading disability). Biological Psychiatry, 57(11), 1301-1309. DOI: 10.1016/j.biopsych.2005.01.043. |
Simos P. G., Fletcher J. M., Bergman E., Breier J., Foorman B., & Castillo E. (2002). Dyslexia-specific brain activation profile becomes normal following successful remedial training. Neurology, 58(8), 1203-1213. DOI: 10.1212/WNL.58.8.1203. |
Skeide M. A., Kraft I., Müller B., Schaadt G., Neef N. E., & Brauer J. (2016). NRSN1 associated grey matter volume of the visual word form area reveals dyslexia before school. Brain, 139(10), 2792-2803. DOI: 10.1093/brain/aww153. |
Specht K., Hugdahl K., Ofte S., NYGÅRD M., BJØRNERUD A., & Plante E. (2009). Brain activation on pre-reading tasks reveals at-risk status for dyslexia in 6-year-old children. Scandinavian Journal of Psychology, 50(1), 79-91. DOI: 10.1111/sjop.2009.50.issue-1. |
Thiebaut de Schotten M., Cohen L., Amemiya E., Braga L. W., & Dehaene S. (2012). Learning to read improves the structure of the arcuate fasciculus. Cerebral Cortex, 24(4), 989-995. |
Vandermosten M., Boets B., Poelmans H., Sunaert S., Wouters J., & Ghesquière P. (2012). A tractography study in dyslexia:neuroanatomic correlates of orthographic, phonological and speech processing. Brain, 135(3), 935-948. DOI: 10.1093/brain/awr363. |
Vandermosten M., Boets B., Wouters J., & Ghesquière P. (2012). A qualitative and quantitative review of diffusion tensor imaging studies in reading and dyslexia. Neuroscience & Biobehavioral Reviews, 36(6), 1532-1552. |
Vandermosten M., Hoeft F., & Norton E. S. (2016). Integrating MRI brain imaging studies of pre-reading children with current theories of developmental dyslexia:a review and quantitative meta-analysis. Current Opinion in Behavioral Sciences, 10, 155-161. DOI: 10.1016/j.cobeha.2016.06.007. |
Vandermosten M., Vanderauwera J., Theys C., De Vos A., Vanvooren S., & Sunaert S. (2015). A DTI tractography study in pre-readers at risk for dyslexia. Developmental Cognitive Neuroscience, 14, 8-15. DOI: 10.1016/j.dcn.2015.05.006. |
Wang Y., Mauer M. V., Raney T., Peysakhovich B., Becker B. L., & Sliva D. D. (2016). Development of Tract-Specific White Matter Pathways During Early Reading Development in At-Risk Children and Typical Controls. Cerebral Cortex, 27(4), 2469-2485. |
Xia Z., Hoeft F., Zhang L., & Shu H. (2016). Neuroanatomical anomalies of dyslexia:Disambiguating the effects of disorder, performance, and maturation. Neuropsychologia, 81, 68-78. DOI: 10.1016/j.neuropsychologia.2015.12.003. |
Yamada Y., Stevens C., Dow M., Harn B. A., Chard D. J., & Neville H. J. (2011). Emergence of the neural network for reading in five-year-old beginning readers of different levels of pre-literacy abilities:An fMRI study. NeuroImage, 57(3), 704-713. DOI: 10.1016/j.neuroimage.2010.10.057. |
Yeatman J. D., Dougherty R. F., Ben-Shachar M., & Wandell B. A. (2012). Development of white matter and reading skills. Proceedings of the National Academy of Sciences, 109(44), E3045-E3053. DOI: 10.1073/pnas.1206792109. |
冯小霞, 李乐, 丁国盛. (2016). 发展性阅读障碍的脑区连接异常. 心理科学进展, 24(12), 1864-1872. |
孟泽龙, 张逸玮, 毕鸿燕. (2017). 发展性阅读障碍亚类型研究进展. 心理发展与教育, 33(1), 113-121. |
杨远滨, 肖娜, 李梦瑶, 宋为群. (2011). 经颅磁刺激与经颅直流电刺激的比较. 中国康复理论与实践, 17(12), 1131-1135. DOI: 10.3969/j.issn.1006-9771.2011.12.010. |