Neuron重磅：北師北腦團(tuán)隊開發(fā)大腦睡眠解碼器，成功實現(xiàn)人類睡眠語義實時解碼

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Interpreting human sleep activity through neural contrastive learning

發(fā)表時間:2026-4-17

發(fā)表期刊:Neuron

影響因子:15.0

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

睡眠對記憶鞏固至關(guān)重要。在睡眠期間，大腦會自發(fā)地“重放”（replay）白天的經(jīng)歷，這是記憶鞏固的核心機制。在動物研究中，科學(xué)家可以通過直接記錄神經(jīng)元的脈沖活動來清晰地觀察這種重放；但在人類研究中，我們通常只能依賴頭皮腦電圖（EEG）等無創(chuàng)手段。

然而，人類睡眠腦電信號充滿了與清醒時截然不同的節(jié)律性背景活動（例如深度睡眠中巨大的慢波振蕩）。這種巨大的背景差異形成了一道“表征鴻溝”，使得在清醒狀態(tài)下訓(xùn)練的腦電解碼器很難直接遷移到睡眠數(shù)據(jù)上。過去的研究往往只能區(qū)分粗略的類別，或者需要繁瑣的離線特征工程，難以直接讀取具體的語義內(nèi)容。

為了突破這一瓶頸，研究者收集了包含135名參與者、近1000小時睡眠和400小時清醒腦電的大規(guī)模數(shù)據(jù)集，并開發(fā)了一種名為“Sleep Interpreter（SI，思）”的跨域神經(jīng)解碼模型。該研究試圖回答：我們能否過濾掉睡眠特有的背景節(jié)律，直接“讀出”人類在睡眠中究竟在重放什么具體的語義內(nèi)容？

研究核心總結(jié)

一、神經(jīng)對比學(xué)習(xí)跨越清醒與睡眠的表征鴻溝

研究者設(shè)計了一項“目標(biāo)語義重放（TSR）”任務(wù)。參與者在清醒時學(xué)習(xí)15個語義概念（如“羊”）的圖文聲音配對。入睡后，研究者在特定的睡眠階段播放這些聲音線索，以誘發(fā)對應(yīng)概念的記憶重放。

為了從嘈雜的睡眠腦電中提取語義信息，研究者開發(fā)了SI-MD模型。該模型引入了“神經(jīng)對比學(xué)習(xí)（neural contrastive learning）”技術(shù)，將同一個語義概念在清醒時（看圖、聽聲音）的腦電表征與睡眠時（聽聲音）的腦電表征在隱空間中拉近，同時推開不同概念的表征。結(jié)果顯示，SI模型在未見過的受試者數(shù)據(jù)上實現(xiàn)了零樣本（zero-shot）跨被試解碼，在NREM和REM睡眠中均顯著優(yōu)于傳統(tǒng)的線性分類器和其他深度學(xué)習(xí)基線模型。

Fig 1. 實驗設(shè)計與清醒、睡眠狀態(tài)下誘發(fā)腦電的差異。

Fig 2. SI-MD模型架構(gòu)及跨被試零樣本解碼準(zhǔn)確率表現(xiàn)。

在非快速眼動（NREM）睡眠中，大腦的慢波振蕩（SO）和睡眠紡錘波（spindle）被認(rèn)為是記憶鞏固的關(guān)鍵節(jié)律。研究者進(jìn)一步分析了聲音線索出現(xiàn)在慢波不同相位時的解碼表現(xiàn)。

結(jié)果發(fā)現(xiàn)，當(dāng)線索出現(xiàn)在慢波的“向波峰過渡（Trans 1st Up）”階段時，解碼準(zhǔn)確率最高。更重要的是，如果此時伴隨有睡眠紡錘波的出現(xiàn)（即SO-spindle耦合），模型的解碼能力會進(jìn)一步提升。經(jīng)過針對性重新訓(xùn)練后，模型在這一特定窗口期的15分類Top-1準(zhǔn)確率達(dá)到了驚人的40.02%（隨機水平僅為6.7%）。這表明，慢波與紡錘波的耦合不僅是記憶鞏固的生理標(biāo)志，也是我們在頭皮表面“讀取”記憶內(nèi)容的最佳窗口。

Fig 3. 慢波不同相位及紡錘波耦合對睡眠解碼準(zhǔn)確率的顯著影響。

為了驗證SI模型是否真的學(xué)到了跨狀態(tài)的語義表征，而不是僅僅記住了訓(xùn)練集里的聲音物理特征，研究者在兩個完全獨立的午睡實驗中直接測試了預(yù)訓(xùn)練好的SI模型（不進(jìn)行任何微調(diào)）。

在第一個實驗中，參與者學(xué)習(xí)了全新的非語義聲音與概念的聯(lián)結(jié)。在睡眠中播放這些非語義聲音時，SI模型依然成功解碼出了對應(yīng)的語義概念。在第二個實驗中，參與者在睡眠期間沒有接受任何聲音提示，SI模型依然在慢波-紡錘波耦合期間捕捉到了自發(fā)的記憶重放。在這兩個實驗中，模型解碼出的重放強度都與參與者醒來后的記憶保留表現(xiàn)顯著相關(guān)。

Fig 4. SI模型在獨立TMR實驗中成功解碼由非語義聲音誘發(fā)的記憶重放。

Fig 5. SI模型在無聲音提示的午睡實驗中成功解碼自發(fā)記憶重放，且預(yù)測了記憶保留。

基于上述成果，研究者進(jìn)一步開發(fā)了一個包含自動睡眠分期模塊（SI-Staging）和語義解碼模塊的實時系統(tǒng)。該系統(tǒng)能夠在線接收腦電信號，以極低的延遲自動判斷睡眠階段。當(dāng)檢測到穩(wěn)定的NREM或REM睡眠時，系統(tǒng)會將腦電數(shù)據(jù)實時送入SI-MD模型進(jìn)行解碼，并同步生成代表該語義內(nèi)容的圖像。這一系統(tǒng)的實現(xiàn)，為未來在睡眠中進(jìn)行精準(zhǔn)的閉環(huán)記憶干預(yù)奠定了技術(shù)基礎(chǔ)。

Fig 6. 實時睡眠分期與語義解碼系統(tǒng)的數(shù)據(jù)流與工作界面。

研究意義

這項工作在多個層面上推進(jìn)了我們對睡眠記憶的理解。理論上，它不僅證實了人類睡眠中存在內(nèi)容特異性的記憶重放，還明確指出了慢波-紡錘波耦合期是提取這些語義信息的“黃金窗口”。方法學(xué)上，該研究提供了一個開源的大規(guī)模人類睡眠腦電數(shù)據(jù)集，并證明了神經(jīng)對比學(xué)習(xí)在克服腦電信號跨狀態(tài)分布差異上的巨大潛力。

同時，研究者也指出了當(dāng)前的邊界：目前的模型仍局限于15個預(yù)設(shè)的語義類別，距離真正的“開放詞匯”夢境或睡眠思維讀取還有距離。但無論如何，這套實時、跨被試的睡眠解碼系統(tǒng)，為未來開發(fā)針對創(chuàng)傷后應(yīng)激障礙（PTSD）或認(rèn)知衰退的閉環(huán)睡眠干預(yù)療法打開了全新的想象空間。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進(jìn)群，歡迎你的到來

一鍵關(guān)注，點亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿