Revisiting deterministic motor sequence learning: EEG correlates and methodological challenges

Cristian Guerini

doi:10.1016/j.neubiorev.2026.106873

Revisiting deterministic motor sequence learning: EEG correlates and methodological challenges

2026-07-01

0

PRE

AI

DOI：10.1016/j.neubiorev.2026.106873

原文链接

原文求助

摘要

En 中文

运动序列学习是指将离散的运动转化为整合且自动化的动作模式，是技能习得的基础。脑电图（EEG）因其高时间分辨率，使得能够探究这一过程的神经动态。然而，尽管研究数量日益增多，研究结果仍呈碎片化状态，且关于确定性运动序列学习的EEG相关性的框架仍缺失。在本综述中，我们批判性地考察了23项研究，以表征与确定性运动序列学习相关的EEG相关性。我们旨在区分序列特异性的神经变化与一般练习效应，独立于参与者对嵌入规律的意识。我们讨论了关键的方法学方面，包括实验设计、控制条件和意识评估。尽管存在显著的方法学异质性和实验控制的不足，但电生理学发现趋于一致地认为学习反映了向更高效处理的转变。与学习相关的变化包括与绩效监控相关的前额中线负电位的调节、中线θ活动的减少（表明顶-下控制需求的降低）、α频段的变化（可能支持改进的刺激预测和运动准备）以及β活动（显示出混合的一般和序列效应，支持反应相关的运动和认知计划转换）。关于连接性的证据较为有限，但表明学习期间功能耦合的减少，而静息态θ功率和运动β连接性似乎能预测训练相关的增益。通过综合现有证据，本综述对领域进行了批判性评估，并为未来研究提供建议，为研究运动序列学习的神经生理学基础提供更一致且可解释的框架。

Keyword:

Motor sequence learning

Electroencephalography

Time-domain

Time-frequency analysis

Functional connectivity

Resting-state

Revisiting deterministic motor sequence learning: EEG correlates and methodological challenges

摘要

期刊

机构

引用论文