人的一生中有三分之一会在睡眠中度过,梦境又占据了睡眠的五分之一,梦境对机体的重要性不言而喻。然而,对于每个人来说,虽然梦并不陌生,却一直未被解锁。
2020 年,MIT 研究团队提出了一种“定向梦境孵化器”(TDI)【1】,并研发出一种睡眠追踪传感器的可穿戴设备。这种设备既可以记录梦境,还可以引导梦境的发展,为研究梦境如何影响创造力、记忆等提供了新思路。
与此同时,国内脑陆科技与浙江大学心理与行为科学系蔡永春副教授课题组合作展开研究,通过提取梦境伴随的脑电以及受试者自我报告的情绪状态,对梦境中的情绪进行评估分类,并取得了一系列的进展。日前,研究团队正式上线了一个可用于评估梦境中情绪活动的多模态数据集——Dream Emotion Evaluation Dataset (DEED)【2】 。该项目于去年 4 月确定基本方向,今年初正式启动,数据集现在已经开源使用。
这是一个对梦境中 EEG 信号进行情绪标签打标的数据集,已捕捉到 533 个梦境信息。要知道当前尚无公开可用的数据集。蔡永春告诉生辉,DEED 数据集很独特的一个地方在于完整采集了受试者整晚的睡眠数据。
借此机会,生辉与脑陆科技研究院院长、技术负责人罗竣文博士以及蔡永春博士聊了聊,他们向生辉详细介绍了 DEED 数据集的概况以及潜在的应用价值。
罗竣文拥有近 10 年脑机接口和类脑计算研发经验,曾在阿里巴巴达摩院计算实验室担任 Research Scientist,也是英国标志性脑机接口项目 CANDO(www.cando.ac.uk)主要工程负责人。他在脑陆科技领导技术研发方面的工作。
脑陆科技专注于脑科学技术与应用,并将脑机接口与跨学科技术结合应用落地,也是参与“中国脑计划”的企业之一。
蔡永春拥有工学和理学多学科交叉背景,主要从事脑与认知研究,采用心理物理学、脑电、功能磁共振等研究手段,探索人类视觉信息加工机制、视觉注意与视觉意识等认知过程。
在做睡眠项目时,脑陆科技与浙江大学蔡永春团队发现梦境中的情绪数据有很强的临床价值,可以推进脑科学的创新研究和产品启发,同时探索梦境的奥秘。
研究团队一拍即合,决定通过脑电特征对梦境情绪进行评估分类。研究团队从两个方面考虑启动该项目,首先希望通过数据的分析增加睡眠产品的功能板块。其次,希望通过数据开源和合作,推动学界和产业界对于梦境的研究,打开人类未知的领域。浙大团队负责采集数据和试验设计,脑陆科技负责数据挖掘和分析。
根据官方资料,DEED 数据集已捕捉到 533 个梦境信息,记录了 38 名受试者在超 82 个完整睡眠夜的 EEG 信号和情绪评估情况,同时给这段信号根据情绪打标。受试者均为浙江大学在校生,身体健康,包括 18 名女性受试者,20 名男性受试者。
在试验过程中,研究团队采用了“REM 唤醒”范式,受试者会在浙大专业的睡眠舱里面睡觉。在算法发现受试者处于 REM 期 5 分钟后,叫醒受试者,首先询问受试者是否处于梦境状态,确认后让其回忆梦境并填写梦境量表(一种对梦境内容及对应情绪的打分表格),然后研究人员对采集的 EEG 信号打标,记录为正向、负向和中性情绪。
人的睡眠可以分为三个阶段,分别是浅睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段(Rapid Eye Movement,REM)。REM 是睡眠中最重要的阶段之一,通常梦境都发生在这一阶段,如果在REM阶段将人唤醒,人们可以清晰记得所做的梦。
为了保证梦境情绪的有效性,在试验前会给受试者看一段带有明显喜剧、悲剧或者中性色彩的电影。在试验中,研究人员分析睡眠前后的情绪变化是否是由于睡前所有电影引导的短期情绪的激发。
通过试验,数据集中累计收集了 533 个在梦境中带有情绪标签的 REM 片段(在排除不合格的夜晚后,这些梦片段是从 82 个完整的睡眠之夜中提取的)。
上线的 DEED 数据集网站大体可以分为以下几个部分,包括整体概述、实验步骤描述、睡前电影所诱发的情绪,以及 REM 阶段情绪的信息等。
值得一提的是,数据集具有一定的选择性,根据不同的使用目的,相应的注释方式也不一样,用户可根据兴趣选择下载相应版本的数据集进行分析。
一个版本是直接提供 EEG 数据和与之对应的情绪标签数据集,这个数据集适用于 AI 工程师,测试具有类生物智能计算的分类算法,包括小样本学习、泛化和抗干扰能力;另一个样本提供大量有价值的数据样本,这些数据可潜在探索梦的生物学特征、睡眠-情绪相互作用的机制以及意识和无意识之间转换的神经表现等,适用于神经科学家或者医生。
上文提到,在数据采集过程中,研究团队采用了“REM 唤醒”范式和梦境诱发方式。罗竣文指出,通过这些方式,可以确保每一段数据都处于梦境中的真实有效数据,同时也为评估梦境中出现的情绪与睡前情绪之间的关系提供了一定的依据。
罗竣文进一步指出,DEED 数据集更大的价值还在于利用可量化的 EEG 数据表征梦境特征,可帮助科学家实现梦境研究从定性到初步定量的转变,是基于梦境数据进行定量研究的重要资源。当前,领域内缺乏梦境从定性到定量研究转变的工具,试验中的梦境数据调研,通常以问卷调查等方式为主。然而,如果要深入梦境机制类建模,或者研发产品进行梦境调控时,必须有定量有效的数据方可支持此类研究。
另一方面,研究团队从工程角度开发了可用于挖掘和分析梦境情绪的算法,这些算法能够判断受试者梦境中 EEG 数据的情绪。第一类算法是从采用人工特征提取方法,然后再用 SVM(Support Vector Machine) 做分类;第二类是利用深度学习卷积神经网络。其中,卷积神经网络 baseline 准确率在 52%。传统的人工特征提取方法加上 SVM 的 baseline 准确率在 80% 左右。【3】【4】
罗竣文指出,这两种算法进一步验证了数据的有效性和准确性,也为开发更高级的生物智能类算法奠定了基础。
基于这些数据,研究人员分析了受试者对其梦境的主观评分与对应的脑电信号之间的相关性,研究了左右脑不对称性对梦境情绪的评估效果,且利用深度学习算法对脑电信号进行分类,从而达到对梦境情绪的判断。
据研究团队透露,接下来,研究团队计划从数据量规模和内容上进行优化。一方面,扩充数据集涵盖的数据量,增加功能的发挥;另一方面,除了健康受试者之外,计划建立针对患有精神类疾病或者与睡眠相关疾病的数据,纵向丰富数据内容,为转化应用提供更多支持。
研究团队通过合理科学的试验设计收集梦境数据,利用算法挖掘和分析数据,揭示梦境与情绪之间的相互关系。蔡永春告诉生辉,DEED 数据集既可以应用于对梦境、脑科学的基础研究,也有潜力研发出新的应用技术,例如可以通过干扰梦境治疗精神类疾病。
据悉,该研究团队已经进行了一系列针对神经科学的研究分析,也得出了一些初步的结论。包括,从认知科学角度分析,发现睡前保持稳定或者中性情绪的受试者能够在睡眠过程中产生更多的慢波,深度睡眠时间更长;还观察到清醒和梦境状态下,大脑的工作机制不同,比如说梦境中产生情绪的神经活动具有不对称性。这些发现可能对脑科学研究和应用具有一定的指导价值。
另一方面,梦境治疗实际上是一个非常古老的问题。精神分析流派创立者弗洛伊德最初提出,梦境可能与人类的多种精神疾病存在一定的关联。不过,蔡永春也指出,梦境与疾病治疗的关系还需要进行大量的研究和分析,最重要的是要理解清楚梦背后的神经机制。现在,研究团队正在做的事情就是将梦境中的情绪与第二天的清醒后的情绪表现联系在一起,利用试验方法和真实有效的数据支撑梦境与疾病之间的关系,赋能更多应用场景。
目前,脑陆科技与浙江大学蔡永春老师课题组达成了深度合作,从 0 到 1 分析梦境与情绪之间的关系。据蔡永春介绍,在研究层面,双方初步的试验结果以及数据证实,在快速眼动睡眠过程中,整个睡眠的质量与情绪的恢复有一定关联;在应用层面,在分析清楚睡眠和情绪之间关系的基础上,通过机制的发现设计更智能的算法,改善睡眠状态。
更具体来讲,在梦境干预治疗精神类疾病方面,研究团队指出,未来计划从两个核心问题入手探索基于梦境的干预方式对治疗疾病的可行性,其一是通过数据挖掘分析判断哪些疾病更适合进行梦境干预,其二是探索梦境干预方式的合理性。
“通过这个创新的研究方向,推动能帮助人们的产品。在这个充满变化的时代,坚定探索。”脑陆科技 CEO 王晓岸说。
联系客服