通过折纸训练提升空间认知能力：来自大脑连接组学的见解

《Journal of Intelligent Medicine》：Enhancing spatial cognition through origami training: Insights from brain connectomes

　　摘要

空间认知是人类认知和智力的一项关键能力。在这项研究中，我们验证了折纸训练在提升空间认知方面的可行性和有效性，并阐明了其背后的神经机制。我们将参与者分为折纸组和控制组，其中折纸组完成了训练计划。我们在训练前、训练中和训练后收集了脑电图（EEG）信号和眼动数据，并进行了认知问卷调查。随后，我们比较了不同频带中的事件相关同步性和事件相关去同步性，并构建了加权相位滞后指数（wPLI）脑网络图。分析结果显示，折纸训练提高了认知表现，增强了准确性并减少了反应时间。训练增加了前额中线的θ波功率，同时降低了顶叶的α波功率。折纸训练对不同任务下的脑网络连接性产生了不同的调节作用。眼动数据表明，训练后认知负荷减轻，注意力更加集中，认知处理效率提高。前额、顶枕和前额枕区域在空间认知中发挥了积极作用。折纸训练通过重塑脑网络和功能连接性来增强空间认知能力。这些发现为开发便携且经济高效的数字疗法以治疗神经退行性疾病提供了支持。

1 引言

人口老龄化是一个全球性的重大挑战。到2022年，60岁及以上的全球人口已增至16.5亿，占总人口的21.8%。随着人口老龄化，患有痴呆症、阿尔茨海默病和脑积水等退行性疾病的患者数量持续增加。65-69岁人群中痴呆症的患病率约为5.5%，80岁及以上人群中这一比例上升至21.9%。预计到2025年，痴呆症患者将占60岁及以上全球人口的16.5%。

空间认知能力是指理解和操控周围环境的心智能力，使个体能够有效地导航周围环境。老年人和神经认知障碍患者通常表现出空间认知能力下降和导航能力受损。开发有效且经济可行的治疗策略以增强空间认知能力至关重要。神经技术的最新进展和对大脑功能的深入理解激发了多种认知增强策略。诸如经颅磁刺激（TMS）或经颅直流电刺激（tDCS）等技术在治疗与特定脑区相关的认知障碍方面显示出潜力。然而，这些刺激设备仍然体积庞大、重量沉重且价格昂贵，限制了其在更广泛人群中的普及。

随着人工智能技术的进步，数字疗法在医学领域应运而生。值得注意的是，2020年，加州大学旧金山分校的Gazeley等人开发了一种用于治疗注意力缺陷多动障碍（ADHD）的数字游戏疗法，这是世界上首个获得FDA批准的数字疗法。在空间记忆和几何思维方面，折纸是一种将平面纸张通过手工折叠成复杂雕塑的艺术。折纸可能作为一种有效的认知干预手段，有助于提升空间记忆、感知和想象力。受Gazeley创新的启发，本研究探讨了折纸训练是否能够改善人类的空间认知能力，并试图揭示其背后的神经机制。这类脑增强系统可以惠及不同人群，包括中风康复者、患有神经系统或精神疾病的患者以及患有神经退行性疾病的老年人。这些系统还可以在教育中发挥作用，为学习困难的学生提供工具，以帮助他们在建筑和几何等领域提高学习效果。

空间成像任务被广泛用于评估视觉空间能力，要求参与者视觉感知三维物体并在心理上对其进行操作，直到识别出这些物体。在本研究中，设计了两种空间成像任务：心理旋转任务（MRT）和心理折叠任务（MFT），以研究折纸训练的效果并理解其背后的神经过程。通过收集和分析脑电图（EEG）信号，我们研究了训练引起的脑激活变化和脑网络调节模式。我们提取了时间-频率-能量事件相关谱扰动（ERSP）特征，这些特征反映了大脑电活动的增强或抑制情况，以及加权相位滞后指数（wPLI）脑网络特征，用于衡量神经网络的连接性和信息传输效率，以揭示基本机制。此外，还记录了眼动数据，这是空间认知研究中常用的参数。研究结果揭示了折纸如何促进空间学习和记忆的过程，这些发现可能有助于开发便携且经济高效的数字疗法来治疗神经退行性疾病。

2 材料与方法

2.1 参与者

本研究招募了20名参与者（9名女性和11名男性，平均年龄为22.0±1.4岁）。我们将20名参与者随机分配到折纸组（n=10）或控制组（n=10）。所有参与者均身体健康，视力正常或经过矫正至正常水平，且无任何身体或精神疾病史。当地伦理委员会批准了这项研究。参与者之前均未系统地学习过折纸或其他空间认知任务。所有参与者具有相似的教育背景，无精神疾病史，且未服用与认知相关的药物。研究采用了一系列实验任务和认知评估来收集数据。严格的控制措施确保了数据的可靠性，包括在受控实验室环境中进行所有实验，保持程序一致性，并提供明确的指导和说明。在参与之前，所有参与者都签署了书面知情同意书，并在完成研究后获得了报酬。

2.2 实验设计

本研究设计了两种空间想象任务：MRT和MFT。参与者还需完成认知评估。20名参与者均接受了训练前、训练中和训练后的认知评估。图S1A列出了具体的实验过程。折纸教学过程在数字设备上逐步展示，教师在场监督教学质量。参与者每天花费2小时学习折纸。图S1B展示了2周的折纸训练过程。参与者需要在2周内学会折叠8个物体，难度从简单到复杂不等。教师评估了参与者的学习成果，以确保教学质量，并确保所有学生都能从中受益。图1a显示了MRT的实验流程。每个组完成了12次难度相当的试验。所有三次测试（训练前、训练中和训练后）的难度水平保持一致。在每次试验开始前，白色屏幕中央会出现一个黑色固定点（+），持续5秒（“固定”阶段），随后显示五张图片。参与者需要判断垂直线右侧的四个图形中哪一个与左侧的图形相匹配（“问题解决”阶段）。在屏幕变为空白之前，按钮操作是被禁用的，这标志着响应阶段的开始。在此阶段，参与者有5秒时间通过按A、B、C或D键来表示他们的选择（“回答”阶段）。MRT训练前、训练中和训练后的难度和格式相同，但问题不同。实验过程中同时记录了脑电图（EEG）和眼动数据。

2.3 信号采集

EEG信号使用SynAmps2脑电图记录系统（NeuronScan公司）采集，该系统具有32个通道。接触阻抗保持在10 kΩ以下，信号采样率为1000 Hz，带通滤波器范围为0.5至200 Hz。参考电极放置在Cz位置。眼动数据使用aSee Pro眼动设备（7invensun公司）记录，采样率为250 Hz，环境光线保持恒定。测试前进行了九点校准，数据使用SeeStudio软件（版本：0.3.42.4）进行分析。

2.4 信号分析

2.4.1 EEG信号分析

收集的EEG信号经过了预处理。首先，移除了异常电极。应用独立成分分析（ICA）来识别并去除与眼球运动（眨眼、肌电和眼跳）和残余心电伪迹相关的成分。接下来进行1-100 Hz的带通滤波，并将所有通道的信号重新参考到平均值。对于MRT任务，从刺激呈现前2秒到刺激后25秒的片段被选中，其中刺激前的2秒作为校正的基线。同样地，对于MFT，选取了刺激呈现前2秒到刺激后15秒的脑电信号片段，其中刺激前的2秒作为脑电图（EEG）校正的基线。从MRT和MFT获得的预处理后的EEG信号分别进行叠加和平均处理，随后进行了进一步的数据处理。

2.4.2 频谱功率分析
对于具体的实验，我们选择了32通道的EEG信号，考虑到了使用EEG帽以及从参与者那里收集EEG数据的情况。这些通道重新编号为1到32（见图S2B）。我们使用不同的颜色来表示不同的脑区，其中1-4表示左侧额叶区域（LFR），5-7表示中部额叶区域（MFR），8-11表示右侧额叶区域（RFR），12和13表示左侧颞叶区域（LTR），14-19表示中央区域（CR），20和21表示右侧颞叶区域（RTR），22-26表示顶叶区域（PR），27-29表示顶枕叶区域（POR），30-32表示枕叶区域（OR）。每个电极对应一个特定的脑区。图S2A显示了电极位置和脑区划分图。由于实验中试验次数有限，我们平均了每个预定义区域内典型电极的时间-频率能量，以代表该区域的神经活动能量。这种方法不仅解决了试验次数的限制，还强调了脑活动的特征。我们使用平均方法计算了中部额叶和顶叶区域的ERSP，并对其他脑区的能量应用了相同的叠加平均方法。以下两个公式用于计算MFR和PR的能量，其他脑区的能量计算方法也是类似的。

2.4.3 wPLI功能连接矩阵
我们对指定的频带分析了邻接矩阵。为了观察不同脑区之间的频带指数变化，我们从折纸训练前的邻接矩阵计算了各个脑区的wPLI指数。随后，我们对训练期间与训练前、以及训练后与训练前的差异进行了显著性分析。我们分析了脑网络的全局指数，重点关注两个关键指标：聚类系数和特征路径长度。聚类系数代表网络的局部可交换性，而特征路径长度衡量网络连接和交换信息的能力。

2.4.4 眼动信号分析
对于每个实验，我们使用aSeeStudio软件划定了感兴趣的区域（ROI），该软件识别出了包含图形的区域。我们分析了眼动指标，包括总眨眼时间、平均眨眼时间、眨眼次数、平均扫视幅度、最大注视持续时间和首次停留注视持续时间。总眨眼时间指的是在特定时间段内参与者眼睛闭合的累积时间。平均眨眼时间代表每次眨眼行为的持续时间，而眨眼次数表示测试期间的总眨眼次数。我们通过将总眨眼时间除以眨眼次数来计算平均眨眼时间。平均扫视幅度代表在处理刺激图像时每次扫视的平均距离。我们将最大注视持续时间定义为刺激图像上任何注视点的最长注视持续时间。

2.5 统计分析
统计分析使用SPSS（版本25.0；IBM，纽约，美国）进行。来自三次测试的问卷回答、EEG信号特征和眼动信号特征使用双因素重复测量方差分析（ANOVA）进行了分析，包括组间因素（折纸组/对照组，2个水平）和组内因素（训练前、训练中和训练后，3个水平）。p值小于0.05表示具有统计显著性。

3 结果
3.1 键盘按压反馈和认知量表测试
结果显示，折纸训练显著提高了参与者的表现，这通过键盘按压反馈和认知量表测试得到了验证。键盘按压反馈的准确率（选择MRT和MFT答案需要按键）从MRT的70% ± 11%提高到87% ± 13%（p = 0.008），随后在MFT中从68% ± 15%提高到80% ± 13%（p = 0.033）。认知量表测试也显示出了效果的提高，表现为更快的反应时间（15.00 ± 5.29分钟 vs 8.30 ± 2.71分钟，p = 0.003）和更高的量表分数（61.43 ± 13.55 vs 83.33 ± 12.35，p = 0.002）。然而，对照组没有显示出显著差异（见图3）。

3.2 MRT执行期间的脑连接组变化
3.2.1 MRT的频谱功率分析
我们在训练前、训练中和训练后绘制了MRT的EEG功率和平均EEG地形图（见图4）。训练增强了θ波段的ERS，特别是在中部额叶（红色框）和右侧枕叶（黑色框）区域（见图4c）。相比之下，在α波段，整个大脑都出现了事件相关去同步（ERD），尤其是在额叶（白色框）和顶叶（紫色框）区域（见图4c）。

3.2.2 MRT的脑网络分析
我们绘制了wPLI邻接矩阵，以研究折纸训练对MRT任务执行期间脑网络的影响（见图5）。基线分析，即折纸训练前，显示了MRT期间额叶（LFR、MFR和RFR）、顶枕叶（PR、POR和OR）的活跃脑连接，以及额叶-枕叶区域之间的跨区域连接（见图5a,d）。wPLI功能连接矩阵显示，在折纸训练前，电极之间的θ波段连接性增强（见图5b）。填充橙色表示连接的增强，填充蓝色表示连接的减弱。颜色强度表示变化的幅度。黑色框标记了一致表现出增强或减弱的θ波段连接的区域，红色圆圈标记了存在显著差异的区域。

3.3 MFT执行期间的脑连接组变化
3.3.1 MFT的频谱功率分析
由于不同的训练任务可能会激活不同的脑区，我们还分析了MFT训练前、训练中和训练后的脑反应（见图6）。训练增强了θ波段的ERS，特别是在MFR（红色框）区域。相比之下，α波段在整个大脑中出现了ERD，尤其是在额叶（白色框）和顶叶（紫色框）区域（见图6c）。这种反应与MRT期间观察到的反应相似。

3.3.2 MFT的脑网络分析
与MRT类似，我们在MFT执行前、训练中和训练后绘制了wPLI邻接矩阵（见图7）。基线分析显示，训练前额叶、顶叶和枕叶区域的活跃脑连接，以及θ波段和α波段的跨区域连接（见图5a,d）。wPLI功能连接矩阵显示，在折纸训练前，电极之间的θ波段连接性增强（见图5b）。填充橙色表示连接的增强，填充蓝色表示连接的减弱。颜色强度表示变化的幅度。黑色框标记了一致表现出增强或减弱的θ波段连接的区域，红色圆圈标记了存在显著差异的区域。较粗的线条表示更大的差异和更强的统计显著性。(d) 邻接矩阵和大脑网络：折纸训练前电极之间的阿尔法波段连接性。使用BrainNet Viewer可视化了来自邻接矩阵的50%的连接。(e) 折纸干预对阿尔法波段连接性的转移效应。邻接矩阵显示了训练期间与训练前之间以及训练后与训练前之间的连接性存在统计学上的显著差异。用橙色填充表示增强的连接，用蓝色填充表示减弱的连接。颜色强度表示变化的大小。蓝色框标记了持续表现出增强或减弱的阿尔法波段连接的区域，红色圆圈表示存在显著差异的区域。(f) 大脑网络可视化包括邻接矩阵中p值小于0.5的连接。大脑网络突出了(e)中p值小于0.5的连接。较粗的线条表示更大的差异和更强的统计显著性。CR，中央区域；LFR，左额区；LTR，左颞区；MFR，中额区；MFT，心理折叠任务；OR，枕区；POR，顶枕区；PR，顶区；RFR，右额区；RTR，右颞区；wPLI，加权相位滞后指数。基线分析（即训练前）显示额叶（LFR、MFR和RFR）、顶枕叶（PR、POR和OR）以及额枕区域之间的活跃脑连接，在θ波段和阿尔法波段都有体现（图7a,d）。

3.4 眼动信号分析

通过眼动追踪系统捕捉到的眼动数据可以提供关于空间认知任务中心理过程的全面信息，注视点表明了心理旋转策略，而扫视则试图整合来自注视点的视觉信息。结果显示，折纸训练后六个参数发生了显著变化。空间想象任务中的认知负荷似乎有所减轻，这从眨眼频率的增加（56.80 ± 33.10次 vs 93.50 ± 69.83次，p = 0.05，图8i）和扫视幅度的减小（275.37 ± 33.21像素 vs 256.24 ± 37.88像素，p = 0.01，图8j）中可以看出。此外，训练后注意力水平提高，表现为最大注视持续时间延长（3.74 ± 1.12秒 vs 5.42 ± 2.48秒，p = 0.04，图8k）和首次注视持续时间延长（107.82 ± 129.25秒 vs 242.30 ± 180.37秒，图8l）。思考和感知时间也有所增加，表现为总眨眼时间增加（21.52 ± 11.43秒 vs 33.12 ± 21.83秒，p = 0.03，图8g）和平均眨眼时间增加（0.13 ± 0.03秒 vs 0.16 ± 0.04秒，p = 0.0004，图8h）。图S8总结了对照组的眼动指标。需要注意的是，参与者的眼动数据可能会产生伪迹，因此在收集EEG信号后，我们进行了非常严格的伪迹处理，包括伪迹去除和校正，以便于EEG分析。图8在图形查看器中打开。

折纸组的眼动指标总结。(a) MRT期间的眼动热图示例。(b) MFT期间的眼动热图示例。(c) MRT的注视轨迹示例。(d) MFT的注视轨迹示例。(e) MRT中绘制的ROI示例。(f) MFT中绘制的ROI示例。(g) 折纸组的总眨眼时间。(h) 折纸组的平均眨眼时间。(i) 折纸组的眨眼次数。(j) 折纸组的平均扫视幅度。(k) 折纸组的最大注视持续时间。(l) 折纸组的首次注视持续时间。显著性水平：* p ≤ 0.05，** p ≤ 0.01，*** p ≤ 0.001（平均值 ± 标准差）。MFT，心理折叠任务；MRT，心理旋转任务；ROI，感兴趣区域。

4 讨论

空间认知是人类认知和智力的一项关键能力。这是一个复杂的过程，整合了多种感觉能力、视觉空间编码、记忆和决策能力。开发有效的治疗方法来增强空间认知能力并揭示其基本机制，不仅推进了心理学、认知神经科学和神经科学的科学理解，而且在教育和医学领域也具有实际价值。在这项研究中，我们验证了折纸在增强空间认知方面的可行性和有效性。我们设计了两个空间认知任务，即MRT和MFT，从大脑连接组的角度来研究其潜在机制。我们报告了三个主要发现：(1) 在MRT和MFT期间，额叶、顶枕区域和额枕连接中的θ波段和阿尔法波段活动起着关键作用。(2) 折纸训练持续增加了额叶中线的θ波段功率（与工作记忆维持和操作相关），并降低了顶叶的α波段功率（与视觉空间表征相关）。(3) 折纸训练对这两个任务的大脑调节方式不同。在MRT期间，我们观察到θ波段大脑网络在顶颞枕区域中出现了明显且持续的增强效应。然而，在MFT期间这种集中效应并未出现。此外，折纸训练在MRT期间持续增强了全脑的阿尔法波段连接，但在MFT期间降低了阿尔法波段网络的强度。总的来说，我们展示了顶颞枕区域在调节空间认知中的关键作用，并证明了折纸训练可以通过重组大脑连接和网络来增强空间认知。

4.1 参与空间认知的主要脑区

额叶、顶叶、枕叶和颞叶在调节大脑的空间认知中起着关键作用。早在20世纪60年代和70年代，早期研究就已经揭示了海马体在空间编码和空间记忆中的作用。近年来，神经成像技术的进步使研究人员能够发现更多与空间认知相关的区域，包括海马旁皮层、后扣带回复合体、背侧纹状体、前扣带回皮层和后顶叶皮层。这种连接性与注意力调节、工作记忆、视觉信息处理和认知灵活性密切相关。

在我们的研究中，我们发现额叶和顶颞枕区域在MRT和MFT中都积极参与其中。这可以通过Mishkin提出的两条与空间认知相关的通路来解释，即背侧通路和腹侧通路。背侧通路也被称为“位置”通路，它将初级视觉皮层与顶叶连接起来，专门处理空间中物体的位置。相比之下，腹侧处理通路被称为“特征”通路，它将初级视觉皮层与颞叶连接起来，负责提取物体的详细特征。后来，Howard发现后顶叶皮层对视觉空间环境的空间编码有贡献，这与我们的发现一致。除了大脑连接外，每个区域在空间认知中还扮演不同的角色。额叶区域协调和整合来自其他脑区的信息，以规划和执行与空间相关的任务。PR参与空间注意力、物体定向和手眼协调，这对于空间认知至关重要，帮助我们理解物体在空间中的相对位置。在空间认知中，OR处理视觉输入，帮助我们识别物体的位置和运动，从而理解空间环境。颞叶区域通过记忆和识别环境中的物体来帮助我们在空间中导航和定位。这四个脑叶共同作用，支持空间认知的所有方面，包括环境感知、物体定位、导航和记忆。这个复杂的网络使我们能够有效地理解和与我们的空间环境互动。

4.2 不同空间任务的主要EEG成分

MRT和MFT是认知科学中的经典任务，各自反映了大脑功能的不同方面。MRT反映了大脑的运动模拟和视觉工作记忆，而MFT激活了与更高认知功能、空间定向和物体识别相关的大脑区域。Gardony等人报告称，在MRT期间顶叶α波段功率降低，额叶中线θ波段功率增强，分别反映了视觉空间表征处理和工作记忆的使用增加。我们的研究表明，折纸训练持续增强了额叶中线的θ波段功率并降低了顶叶α波段功率，表明折纸提高了工作记忆容量和表现。这使得参与者能够维持和操作更多信息，优化了任务关键处理的认知资源分配，从而降低了整体认知负荷。折纸训练的过程特征是在认知策略之间的灵活权衡。具体来说，随着任务难度的增加，基于运动模拟的心理旋转减少，而需要工作记忆密集的分析增加。我们的结果显示，随着任务难度的增加，额叶和顶叶区域的θ波段ERG和α波段ERD同时增加（图S5）。这证实了上述结论。在MFT期间顶叶出现β波段ERD反映了该区域的强烈神经激活。顶叶皮层对于空间处理和运动想象至关重要。MFT需要心理旋转，这些任务具有挑战性。心理旋转作为一种隐性的运动模拟，需要较高的认知负荷。这个过程打破了与维持当前感觉运动或认知状态相关的同步β振荡。因此，观察到的β波段ERD直接表明了顶叶网络在处理任务时活跃参与和负担的增加。

我们还注意到MRT和MFT引发了不同的EEG成分。对于θ波段连接性，MRT主要激活了顶颞枕区域的大脑网络，这与注意力集中有关。相比之下，MFT期间θ波段连接性在整个大脑中更为分散。MRT表现出小世界属性的特征，我们将在下一节中讨论这一点。折纸训练在MRT期间逐渐增强了全脑的阿尔法波段连接性，但在MFT期间降低了它。由于α波段功率的降低表明了兴奋性皮层网络的激活，这种模式可能表明MFT需要更多的神经能量来进行视觉空间表征处理。

4.3 小世界特性

小世界网络是研究社交网络、神经网络和其他复杂系统中节点连接的常用模型。它以平均路径长度短、局部连接多以及长距离连接少为特征，小世界结构促进了信息的快速传播，使其成为探索参与空间认知的大脑区域之间相互作用的有用工具。本研究展示了MRT和MFT期间大脑网络的小世界特性，表现为高聚类系数和低特征路径长度（图S6和S7）。此外，折纸训练通过改善局部可交换性、模块化和信息流增强了这些小世界特性。特别是在MRT期间，θ波段连接性稳步增加，集中在顶颞枕区域。这些网络变化表明大脑拓扑结构更加优化，从而提高了网络效率。我们假设这些大脑网络组织的变化有助于提高认知表现。

4.4 空间成像任务中的眼动特征

通过眼动追踪系统捕捉到的眼动数据提供了关于空间任务期间认知过程的丰富见解，并有效地揭示了潜在的大脑活动。识别注视点使研究人员能够定位感兴趣的对象，并说明心理旋转策略。扫视有助于整合来自注视点的视觉信息，使大脑能够将来自注视点的视觉信息与存储的物体图像进行比较。已经开发了眨眼时间、注视点和扫视的定量指标来研究眼动。在我们的研究中，结果显示训练后眨眼频率增加，扫视幅度减小，这可能表明认知负荷降低，认知资源分配得到改善，处理复杂信息时的认知处理状态更高效。

折纸训练还增加了最大注视持续时间和首次注视持续时间，表明注意力提高和认知参与度更深。

4.5 含义和未来方向

我们的发现将折纸定位为一种独特而强大的空间认知训练干预方法。折纸训练提供了一种多感官的、动手体验，整合了精细运动技能、顺序记忆和空间推理，在一个具体的环境中。这种根本性的差异可能是我们观察到的独特神经可塑性变化的基础，特别是θ波段小世界组织的增强，表明折纸促进了更加集成和高效的大脑网络拓扑。折纸的高可行性和内在参与度使其特别适合临床和老年人群体。其低成本、最低的技术要求和广泛的文化接受度解决了坚持使用的主要障碍。未来的研究应该直接调查基于折纸的训练在这些群体中的可行性和用户接受度，并将其效果和神经机制与已建立的数字认知训练范式进行直接比较。未来的研究应优先考虑三个关键方向。首先，有必要针对老年人群进行有针对性的研究：研究应评估基于折纸的训练在社区居住的老年人以及轻度认知障碍者中的可行性和用户接受度。其次，应进行比较研究，以对比折纸训练与成熟的数字认知训练方法在效果和神经机制上的差异，重点关注对老年人至关重要的结果（例如，日常功能技能和长期认知保持能力）。第三，探索折纸干预的最佳训练时长、频率和难度进阶方式，可以进一步最大化其认知益处以及对老年人群体的临床应用潜力。

4.6 强项与局限性

本研究的优势包括：1. 精心设计了两个空间想象任务，以在较长的连续观察期内探讨折纸对空间认知能力提升的影响；2. 整合了多种监测技术，包括问卷数据、脑电图（EEG）和眼动追踪，从而能够从小世界网络特性、眼动模式和大脑连接组等多个角度进行全面分析；3. 进行了全面讨论，回顾了空间认知领域的最新研究结果，并为空间认知受损的患者提出了一种有前景的数字疗法。然而，也必须考虑几个重要的局限性。样本量（20名参与者）仍然较小，未来研究应扩大样本规模。此外，仅使用32通道的EEG记录可能会限制空间分辨率；采用更高密度的EEG系统或功能性磁共振成像（fMRI）可能会提供关于潜在机制的更详细见解。

5 结论

空间认知是人类认知和智力的一部分，是一个复杂的过程，需要整合多种感觉能力、视觉空间编码能力、记忆和决策过程。本研究证明了折纸在增强空间认知方面的有效性，特别是通过前额叶的θ波和α波段的EEG连接；顶枕区和额枕区在重塑大脑连接组和调节空间认知中起主要作用。此外，不同的折纸任务会对大脑产生不同的影响。这些发现可能有助于开发一种便携且成本效益高的数字疗法，用于治疗神经退行性疾病。

作者贡献

刘秀云：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑；数据管理；正式分析；资金获取；项目管理；监督；资源；软件。
李春阳：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑；数据管理；正式分析；资源；软件。
甄玉宁：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑；数据管理；正式分析；资源；软件。
佐菲娅·乔斯尼亚卡：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。
彼得·斯米莱夫斯基：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。
马雷克·乔斯尼亚卡：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。
于慧杰：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。
郭芳：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。
杜永奇：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑；数据管理；正式分析；资源；软件。
刘一琳：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑；数据管理；正式分析；资源；软件。
李金泽：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑；数据管理；正式分析；资源；软件。
张雷：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。
何润楠：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。
钟志平：概念构思；研究；初稿撰写；方法论；验证；可视化；审稿与编辑。

致谢

本研究得到了青年教师科研创新能力支持项目（项目编号：ZYGXQNJSKYCXNLZCXM-H15）、国家优秀海外学者科学基金（项目编号：0401260011）、国家自然科学基金（项目编号：82472098）、天津市自然科学基金——杰出青年项目（项目编号：24JCJQJC00250）、重大科技专项和国家重点实验室重大工程（项目编号：24ZXZSSS00510）、国家关键技术研究开发计划（项目编号：2021YFF1200602）以及中国医学科学院非营利性中央研究院基金（项目编号：2024-JKCS-16）的支持。

利益冲突声明

作者声明没有利益冲突。

伦理声明

本研究遵循《赫尔辛基宣言》的原则进行。已获得天津大学伦理委员会的批准（2024年9月2日，TJUE-2024-411）。参与者样本的使用获得了书面知情同意。

知情同意声明

所有参与研究的参与者均已获得知情同意。

数据可用性声明

支持本研究结果的数据可向通讯作者索取。由于隐私或伦理限制，这些数据并未公开。