综述：创造力神经基础：基于体素的荟萃分析揭示语言、音乐和视觉领域创造力相关的激活与失活

本综述通过基于体素的荟萃分析（SDM）方法，系统整合43项神经影像研究（1118名受试者），深入探讨了创造力在语言、音乐及视觉领域的共享（域通用）与特异（域特定）神经机制。研究发现创造力依赖于多成分神经网络，包括执行控制网络（ECN）、默认模式网络（DMN）及运动模拟区域；同时揭示了不同领域特有的激活（如左侧额下回）与失活模式（如右侧角回）。特别指出替代用途任务（AUT）主要捕获工具操作与构思过程，而忽略精细化创作。研究强调未来需关注失活报告、神经反馈应用及跨领域协作创造力。

　　

引言

近年来，创造力因其在推动技术、科学和艺术创新中的核心作用，日益受到神经科学与行为科学的关注。人类本质上是 effortless conformists（ effortless conformists）——这种倾向由社会规范强化，且对文化传播至关重要。在此习惯性一致的背景下，创造性思维显得尤为罕见且认知要求极高。创造力被定义为产生既新颖又适宜（即具有原创性与惊喜元素）的想法或产品的能力，当传统方法不足时，其价值尤为凸显。为探究创造力的认知基础，研究者们分析了不同创造性需求任务中的大脑活动。

先前研究表明，创造力依赖于域通用机制——即跨不同创造性表达形式（如语言、音乐和视觉领域）共享的认知过程。这些过程并不特定于创造力的具体输出，而是更广泛地支持它。因此，在需要更高创造力水平的任务中，与一般认知功能相关的脑区预期会显示出激活增强。

例如，与工作记忆、奖励评估、抑制自上而下执行控制以及远程关联能力相关的区域，如额下回和中额回（背外侧前额叶皮层的组成部分），已被发现在创造性思维期间更加活跃。同样，涉及情景记忆、自愿选择、集中注意、抑制无关想法和认知灵活性的区域，如前扣带皮层和扣带，也在创造性任务中显示出活动增加。这些区域是执行控制网络（ECN）的关键组成部分。

其他支持关联记忆的脑区，如海马、海马旁回和颞极（内侧颞叶的组成部分），也与创造力相关。此外，涉及情境监控、自我参照思维、目标导向行为和心智游荡的区域，如额上回内侧部和扣带（默认模式网络DMN的组成部分），也与创造力相关联。最后，显著性网络内的区域，特别是脑岛，可能有助于创造性想法的内感受和情境化。

相比之下，Sawyer（2011）呼吁进一步研究域特定机制——即与特定表达领域独特相关的大脑活动。创造性表现与域特定成分之间的紧密联系表明，不同的创造力领域——如音乐、视觉或语言——可能涉及不同的神经模式。Dietrich和Kanso（2010）理论化，域特定活动较少依赖于通常与域通用过程相关的额叶，而更多地依赖于颞叶、枕叶和顶叶区域（即TOP区域）。最近，Brown和Kim（2021）提出，在非创造性任务中已经活跃的感觉运动区域——如辅助运动区和顶下小叶区域，包括缘上回——在创造性任务中其活动增强。

尽管该领域兴趣日益增长，且先前研究提供了宝贵见解，但创造力的神经影像研究仍处于起步阶段。对表达领域的独立检查报告了与创造力相关的一致域通用激活。然而，Chen等人（2020）并未将所有创造性领域纳入一个全面的荟萃分析中，而Boccia等人（2015）也未评估个体领域对域通用激活的贡献程度。同样，他们也没有在考虑了共享的域通用活动后检查每个领域的独特性。类似地，特定领域的其他荟萃分析，如视觉创造力和语言创造力，缺乏与其他创造性领域和域通用创造力的比较，限制了对每个领域相关大脑活动的独特表征。

此外，先前的荟萃分析在很大程度上忽视了与创造力相关的大脑失活。这部分可能是因为失活被认为比激活更难解释，由于与电生理数据存在差异，因此fMRI研究较少报告它们。尽管如此，相对于比较条件解释失活可以通过识别哪些大脑区域需要不那么活跃或在创造性任务期间被抑制或主动抑制，为创造力提供有价值的见解。理解健康个体中与创造力相关的大脑活动也有助于我们理解这一过程在病理条件下的差异。隐喻地说，大脑功能可以比作一个大型管弦乐队：大脑区域充当乐器，认知过程充当旋律。为了使旋律和谐，一些乐器必须演奏（激活），而其他乐器必须休息（失活），这两个过程对于认知平衡都很重要。

执行控制网络（ECN）和默认模式网络（DMN）通常被认为在涉及外部感觉聚焦的目标导向任务中对立运作。ECN激活通常伴随着DMN失活或相对于静息态的抑制。同时，先前的研究表明，在心智游荡和创造力期间，属于ECN和DMN的大脑区域都有激活。尽管一些DMN脑区的失活可能反映了对内部产生想法的主动抑制和注意力向需要创造性努力的任务的转移，但它们在创造力中尚未得到系统检查。因此，检查大脑激活和失活可以更全面地了解创造力背后的神经基础。

Seed-based d Mapping (SDM)方法能够研究激活和失活，包括在特定认知领域内。其他荟萃分析技术，如激活似然估计（ALE），通常通过需要大量研究来限制这种能力。先前的荟萃分析也可能不足以报告异质性和发表偏倚。SDM通过合并效应大小并使用符号差分映射方法解决了这些局限性。SDM整合了基于体素和基于坐标的数据，并分析了效应大小的变异性。它保守地控制了多重比较，并评估了异质性和发表偏倚。将SDM应用于健康个体的创造力研究可以揭示核心神经模式，将它们与病理偏差区分开来，并为有针对性的治疗干预提供信息。

对替代用途任务（AUT）的过度依赖是先前荟萃分析的另一个局限性，该任务由Guilford（1967）开发用于评估创造力。AUT涉及为日常物品生成创造性用途，通常根据流畅性和原创性进行评分。然而，从认知角度来看，AUT主要局限于想法生成。相比之下，其他创造力任务，如隐喻创作、涉及“顿悟”时刻的字谜解决、名称发明、故事写作、诗歌创作和汉字分解，超越了构思，涉及进一步的精细化以产生创造性产品。因此，将AUT的神经关联与其他任务分开分析，可以更集中地研究创造力的构思成分，并开发任务特定的神经活动谱。虽然AUT的大脑活动与其他创造性任务不同，但研究尚未调查AUT对整体创造力的贡献程度，以及该任务与其他语言任务和表达领域的关系。为了解决这个疏忽，我们将以AUT为重点的子荟萃分析与更广泛的分析进行比较。

方法

文献检索与选择标准

我们通过PubMed、Neuroquery、Brainmap和参考文献检索进行了广泛的文献检索，使用了关键词（“creative” OR “creativity” OR “idea generation” OR “idea production”, OR “divergent thinking” OR “convergent thinking” OR “ alternative uses”）AND（“fMRI” OR “MRI” OR “voxel-based” OR “voxelwise” OR “whole-brain”）。术语选择使我们能够专注于明确提及至少一项与创造力相关的认知任务的文章。搜索得到274篇文章。我们采用了系统评价和荟萃分析首选报告项目（PRISMA）指南。

提取与样本

表1显示了43项研究和79个对比（高创造性任务与低创造性任务），以及每个对比的样本量、年龄和性别。显示低创造性任务活动低于高创造性任务的对比被视为激活。显示高创造性任务活动低于低创造性任务的对比被称为失活。此外，这些研究被分为几类以进行独立的子荟萃分析：排除AUT的整体创造力（n = 28）、语言创造力（n = 24，包括一项报告AUT与隐喻生成任务 conjunction 作为高创造性任务的研究）、AUT（n = 14）、其他任务（即排除AUT的语言任务，n = 9）、视觉创造力（n = 7）和音乐创造力（n = 12）。总共包括1118名健康或未诊断的参与者（平均年龄±标准差 = 25.65 ± 6.14；男性总数及百分比 = 513, 45.89%）。其中，在报告人口统计数据的文章中，1021人（91.3%）报告为右利手，245人（21.9%）未服药，822人（73.5%）无精神障碍史，503人（44.9%）为当前大学生，65人（5.8%）为艺术学生，142人（12.7%）为专业艺术家。补充材料提供了进一步细节。

荟萃分析程序

遵循SDM方案，我们注册了样本量、研究对比的校正阈值（z值，p值）以及对比的峰值坐标和统计值（t值，p值，z值，F值）。校正后的对比阈值范围在p = .005和p = .001之间设置为z < 3.1，范围在p = .05和p = .01之间设置为z < 2.3。我们使用SDM在线转换器将p值和z值转换为t值，并使用公式t = √F将f值转换为t值。为了控制I类错误，我们使用家族wise错误（FWE）p < .05对所有结果进行了稳健校正。

为了增加结果的特异性，我们应用了额外的校正，如无阈值簇增强（TFCE, p < .05）和体素范围阈值<10。如果没有簇在TFCE校正后存活，我们报告了应用空间增强校正之前和体素范围阈值<10之后的激活结果。失活分析在FWE校正后报告。总共40%的研究缺乏失活数据（28%未检查此对比，9%报告了非显著差异，2%报告了未校正失活区域的名称但省略了坐标；见表1）。整体创造力荟萃分析（28项研究）和子荟萃分析的失活分析报告为失活（指示FWE-TFCE校正结果）和空间增强前的失活（指示FWE-TFCE校正和体素范围阈值<10）。虽然我们的研究使用SDM，即使研究数量较少也能提供稳健的结果（例如，通过考虑效应大小和应用与ALE相同或进一步的校正），但我们承认，替代的荟萃分析方法如ALE通常需要更大的样本量进行可靠推断。因此，从ALE框架的角度来看，我们的子荟萃分析应被视为探索性的。

对于每个产生的激活或失活峰值，我们获得了蒙特利尔神经学研究所（MNI）峰值坐标、大脑区域名称、效应大小和体素（mm3）。我们使用了自动解剖标记图谱（AAL3v1）来校正胼胝体的错误标记，并为了一致性标记了中扣带皮层。我们使用Python（v3.8.18）和NiLearn包进行脑图可视化，遵循神经影像可视化标准。用于生成图形的代码可在项目的公共存储库中找到。然后我们使用SDM计算异质性检验、漏斗图和发表偏倚检验。

子荟萃分析的独特性

我们使用FSL评估每个子荟萃分析中的独特大脑激活和失活。使用fslmaths函数对脑图进行二值化，并在整体创造力图和每个子荟萃分析之间进行 conjunction 分析。通过从每个子荟萃分析中减去整体图来识别独特区域，并进一步跨领域进行比较。我们应用了>10个体素的簇阈值以减少假阳性。使用nibabel、NiLearn和scipy在Python（v3.8.18）中计算簇质心、区域标签（AAL3v1）和可视化。

体素贡献分析

我们通过计算共享体素的比率和Dice相似系数来量化每个子荟萃分析与整体创造力图之间的空间重叠，使用基于Python的nibabel包。这个分析也在排除AUT后重复进行。这种基于体素的方法提供了对每个领域贡献的更系统和客观的估计，与跨研究手动计算报告的大脑区域名称相比，减少了人为错误的风险。

结果

我们发现整体创造力或表达领域内的激活和失活之间没有重叠。表2呈现了峰值激活和失活结果（每个簇中每个区域的最高Z值峰值显示）。开放存取存储库提供了所有簇的激活和失活的详细信息，包括区域、坐标、显著性、簇大小、效应大小和贡献大脑区域的体素大小。此外，同一存储库包含坐标、磁通量值、原始对比中使用的阈值校正、每个簇的峰值统计、漏斗图以及FWE校正激活和FWE校正失活在TFCE校正之前和之后的完整结果。

整体创造力的荟萃分析

激活。四个簇被确定为与整体创造力过程相关的整体荟萃分析具有统计学意义（图2A和表2）：左中央前回、左中扣带皮层、右小脑和左缘上回。我们发现每个显著峰值的研究间异质性较低（I2 = 10.48 – 15.60%），左顶下小叶（不包括角回）的研究间异质性中等（I2 = 56.43%）。漏斗图是对称的，潜在发表偏倚检验不显著（p = .12 ?.55），除了中扣带皮层的峰值（p = .04）。然而，过量显著性检验（EST）表明荟萃分析结果在所有峰值上高度可靠和有效（p = .76 - 1）。

失活。在TFCE校正之前，五个簇被确定为具有统计学意义的失活（图3A和表2）：右角回、右楔前叶、右中额回和左角回。我们发现每个显著峰值的研究间异质性中等至显著（I2 = 24.59 – 65.06%）。漏斗图是对称的，大多数峰值的潜在发表偏倚检验不显著（p = .39 -.91）。尽管右楔前叶和中额回的峰值揭示了发表偏倚（p = .04, .02），但ETS表明结果在所有峰值上高度可靠和有效（p = .66 - 1）。TFCE校正后，只有右角回的一个簇显著。我们发现该峰值的研究间异质性中等（I2 = 58.17%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .23, p = 1）。

排除AUT的整体创造力

激活。三个显著簇在排除AUT的研究中被确定（图2B，表2）：左罗兰迪克岛盖、左中扣带皮层和右小脑。每个峰值表现出低的研究间异质性（I2 = 4.50 – 17.66%）和对称的漏斗图。潜在发表偏倚检验和ETS不显著（p = .05 –.68; p = .48 - 1）。

失活。在TFCE校正之前，七个显著簇在排除AUT的整体创造力研究中被确定（图3B，表2）：右后扣带皮层、右中额回的两个峰值、右下颞回、右角回、右缘上回和右上颞回。与整体创造力相比，簇数量的增加表明AUT充当了簇体积的粘合剂。我们发现每个显著峰值的研究间异质性低至中等（I2 = .78 – 33.82%），除了右角回和右中额回的峰值具有显著的异质性（I2 = 52.30%, 53.82%）。漏斗图是对称的，潜在发表偏倚检验不显著（p = .07 –.90），但右中额回的峰值显著（p = .02）。ETS表明结果在峰值上高度可靠和有效（p = .23 -.97），除了右下颞回的峰值（p = .0）。校正后，未发现显著的簇。

语言创造力

激活。五个簇涉及语言创造力（图2C，表2）：右小脑、左中央前回、左前扣带、左缘上回和右上枕回。我们发现每个显著峰值的研究间异质性较低（I2 = 1.34 –12.89%），左缘上回的峰值研究间异质性中等（I2 = 63.93%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .15 ?.38; p = .86 - 1）。

失活。在TFCE校正之前，语言创造力与右半球的四个簇相关（图3C，表2）：顶下小叶、楔前叶的两个峰值和右中额回。我们发现每个显著峰值的研究间异质性低至中等（I2 = 23.08 – 48.25%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .10 ?.38; p = .85 - 1）。TFCE校正后，我们只发现一个以右顶下小叶为中心的簇（表2）。该峰值表现出低的研究间异质性（I2 = 25.39%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .81, p = .97）。

替代用途任务（AUT）

激活。四个簇与AUT相关（图2D，表2）：左缘上回、左额下回的两个峰值和右中扣带皮层。簇大小小于其他领域，表明相对于其他表达领域方法学变异性降低。正如预期，我们发现AUT的研究间异质性较低（I2 = 7 – 22.43%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .06 –.26, p =.4-.9）。

失活。TFCE校正后，只有一个簇保留，以右角回为中心（图3D，表2）。该区域在TFCE校正前的语言创造力以及TFCE校正后的整体创造力和AUT中都存在，突显了其与AUT的相关性，并通过扩展与创造力的相关性。该峰值表现出低的研究间异质性（I2 = 9%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .65, p = .4）。然而，在TFCE校正之前未发现簇。失活可能只在TFCE校正后出现，这保留了空间结构并增强了对小簇的敏感性。

排除AUT的语言创造力

激活。当从语言创造力中排除AUT时，只有两个簇显示出统计学意义（图2E，表2）：右小脑和左额下回三角部。我们发现每个峰值的研究间异质性较低（I2 = 2.40 – 7.62%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .70 –.82; p = .24 –.96）。

失活。在TFCE校正之前，两个簇被确定并与AUT不同的其他语言任务相关（图3E，表2）：右楔前叶和右顶下小叶（不包括缘上回）。我们发现每个显著峰值的研究间异质性较低（I2 = 3.16 - 9.26%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .18 -.91, p = -.25 - 1）。TFCE校正后没有簇存活。

音乐创造力

激活。四个簇在音乐荟萃分析中显著（图2F，表2）：左辅助运动区、左额下回岛盖部的两个峰值和左顶下小叶。我们发现每个显著峰值的研究间异质性较低（I2 = .73 – 7.48%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .11 –.46, p = .40 -.98）。

失活。音乐创造力的荟萃分析揭示了十四个在未校正时显示出统计学意义的簇（图3F，表2）：左视辐射、右海马、右和左角回、右扣带、右下颞回、右和左中额回、左楔前叶、右和左旁中央小叶和左扣带。我们发现每个显著峰值的研究间异质性较低（I2 = 1.69 – 64.78%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = -3.61 – -0.46; .0 - 1）。TFCE校正后，只有左角回的一个簇包括顶下小叶显示显著性（表2）。该峰值表现出低的研究间异质性（I2 = 23.14%）。漏斗图是对称的，潜在发表偏倚检验和ETS显著（p = .02, p = .83）。

视觉创造力

激活。检测到十二个与视觉表达领域相关的簇，但在TFCE校正后没有表现出（图2G，表2）：左中枕回、额上回的两个峰值、左额下回的三个峰值、左中央前回、左梭状回、右楔前叶、左小脑和左直回。我们发现每个显著峰值的研究间异质性较低（I2 = 3.16 – 23.27%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .16 –.90; p = .52 - 1）。

失活。发现两个簇（图3G，表2）：左下纵束和右下枕回；并且具有低的研究间异质性（I2 = 6.78 – 17.28%）。漏斗图是对称的，潜在发表偏倚检验和ETS不显著（p = .57 –.81; p = .53 –.55）。

子荟萃分析的独特性

图4A和4B分别展示了每个子荟萃分析的独特激活和失活。

激活。如图4A所示，左额下回和中额回以及罗兰迪克岛盖与视觉和音乐创造力相关，但这些区域内的神经元群没有重叠。语言创造力在左中颞回、右梭状回以及右舌回和上枕回显示出独特的激活。特别是对于AUT，在控制了整体创造力后，左顶下小叶（包括缘上回和中央后回）持续存在。视觉创造力在双侧梭状回、枕叶皮层、双侧额上回、左顶下皮层、右中央前回和双侧顶上小叶显示出 distinct 激活。子荟萃分析独特性之间的进一步 conjunction 分析表明，视觉创造力与语言和音乐创造力在左中央前回以及左额上回和中额回共享激活。然而，这些激活对于语言和音乐创造力并不重叠，表明在同一区域内招募了专门的神经群体。

失活。如图4B所示，跨语言任务的右顶下小叶中的簇在减去与整体创造力相关的活动后显示出独特性。双侧楔前叶在音乐和非AUT语言任务期间显示出失活，表明在精细化而非构思创造力中的作用。右楔前叶失活可能反映了减少自我参照 processing，以支持外部聚焦的注意力，支持如听觉-运动整合和叙事构建等功能。其在AUT期间缺乏失活表明这种转变对于单独构思不太必要。音乐创造力期间独特的失活出现在双侧海马、海马旁回、舌回和扣带——这些区域与记忆检索、场景构建和认知控制相关。它们的失活可能通过减少来自自我参照和基于记忆的过程的干扰来支持音乐即兴的自发和具身性质。这与小脑激活的缺乏一致，并突出了向流体、实时听觉-运动生成而非结构化协调的转变。这些发现强化了音乐创造力作为情感驱动和感觉运动 based 的观点。

在视觉领域，失活可能反映了控制任务需求——例如，在低创造性任务期间梭状回和中枕回的激活可能是由于阅读符号或视觉跟踪，而不是创造性抑制。相比之下，高创造性任务可能会脱离这些感知系统以支持抽象的心理意象。

体素贡献分析

表3显示了每个领域对整体创造力的贡献，包括和不包括AUT。图2直观地表示了这些贡献。正如预期，排除AUT的整体创造力与整体创造力非常相似，这通过贡献体素的百分比和高度的相似性证明。根据纳入研究的数量，领域贡献按以下顺序增加：视觉 < 音乐 < 语言。令人惊讶的是，AUT在所有领域中显示出最低的贡献，尽管其纳入文章数量超过了其他语言任务以及音乐和视觉领域。关于失活，排除AUT的整体创造力是与整体共享最相似的子荟萃分析，其次是语言领域和音乐创造力。未检测到视觉领域的失活贡献。其他语言创造性任务对失活模式的贡献低于AUT。在整体创造力中观察到的相同模式与排除AUT的整体创造力中发现的模式一致。

讨论

本SDM荟萃分析提供了创造力的全面功能神经解剖学图谱。通过将SDM方法与贡献和独特性分析相结合，我们确定了支持域通用和域特定机制的大脑激活模式。域通用过程涉及执行控制和默认模式网络，以及支持所有表达领域想法可视化的运动模拟区域。相比之下，域特定机制招募针对每个领域量身定制的感觉和高阶整合过程。失活模式也揭示了音乐和语言创造力之间的共享过程以及所有领域的域特定机制。值得注意的是，失活模式揭示了一些DMN区域，如右角回，显示出域特定失活和偏侧化效应，强调了在创造力和生物行为研究中一致报告失活的必要性。虽然AUT稳健地参与核心创造性网络——特别是对于构思，强调对象操作——但它缺乏其他任务中的精细化处理，限制了其范围。未来的研究应优先报告失活，检查创造性过程的时空动态，调查现实世界和协作创造力，并拥抱AI应用。

结论

本SDM荟萃分析提供了创造力的全面功能神经解剖学图谱。通过将SDM方法与贡献和独特性分析相结合，我们确定了支持域通用和域特定机制的大脑激活模式。域通用过程涉及执行控制网络（ECN）和默认模式网络（DMN），以及支持所有表达领域想法可视化的运动模拟区域。域特定机制招募针对每个领域量身定制的感觉和高阶整合过程。失活模式也为音乐和语言创造力之间的共享过程以及所有领域的域特定机制提供了信息。值得注意的是，失活模式揭示了一些DMN区域，如右角回，显示出域特定失活和偏侧化效应，强调了在创造力和生物行为研究中一致报告失活的必要性。虽然AUT（替代用途任务）稳健地参与核心创造性网络——特别是对于构思，强调对象操作——但它缺乏其他任务中的精细化处理，限制了其范围。未来的研究应优先报告失活，检查创造性过程的时空动态，调查现实世界和协作创造力，并拥抱AI应用。