由基础科学研究所 (IBS) 神经科学成像研究中心 (CNIR) 的 KIM Hong Ji 和 WOO Choong-Wan 领导的研究小组与达特茅斯学院的 Emily FINN 合作，开启了一个新的理解领域人脑内。该团队展示了使用功能性磁共振成像(fMRI)和机器学习算法来预测人们在阅读故事或自由思考状态时思想中的主观感受的可能性。

大脑始终处于活跃状态，即使在休息或睡眠时也会出现自发的想法。这些想法可以是任何东西，从过去的记忆到对未来的愿望，它们常常与情感和个人担忧交织在一起。然而，由于自发思维通常在没有任何意识约束的情况下发生，因此研究它们会带来挑战 - 即使简单地询问个人他们当前在想什么也可以改变他们思想的本质。

新的研究表明，通过将个人叙述与功能磁共振成像相结合，有可能开发自发思维过程中情感内容的预测模型。叙事和自发思想具有相似的特征，包括丰富的语义信息和随时间展开的性质。为了捕捉多样化的思维模式，参与者进行了一对一的采访，以制作个性化的叙事刺激，反映他们过去的经历和情感。当参与者在核磁共振扫描仪内阅读他们的故事时，他们的大脑活动被记录下来。

功能磁共振成像扫描后，参与者被要求再次阅读故事，并报告每个时刻感知的自我相关性(即该内容与自己相关的程度)和效价(即该内容的积极或消极程度)。使用来自每个参与者的自我相关性和效价评级的五分位数(五个水平)，创建了 25 个(5 个自我相关性评级水平× 5 个效价评级水平)可能的 fMRI 和评级数据片段。然后，该团队利用机器学习技术来训练预测模型，将这些数据与 49 个人的功能磁共振成像脑部扫描相结合，实时解码思想的“情感维度”。

为了解释预测模型的大脑表征，研究团队采用了多种方法，例如区域和网络层面的虚拟病变和虚拟隔离分析。通过这些分析，他们发现了默认模式、腹侧注意力和额顶网络在自我相关性和效价预测中的重要性。具体来说，他们确定了前岛叶和中扣带皮层在自我相关性预测中的参与，而左颞顶交界处和背内侧前额叶皮层在效价预测中发挥着重要作用。

此外，预测模型不仅在故事阅读期间，而且在应用于 199 名从事自发、无任务思考甚至休息期间的个人的数据时，都显示出预测自我相关性和效价的能力。这些发现显示了白日梦解码的前景。

IBS 副主任 WOO Choong-Wan 博士表示：“一些科技公司和研究团队目前正在努力直接从大脑活动中解码文字或图像，但旨在解码这些想法背后的亲密情感的举措有限。”研究。 “我们的研究以人类情感为中心，旨在解码自然思维流动中的情感，以获得有益于人们心理健康的信息。”

该研究的第一作者、博士研究生 KIM Hongji 强调，“这项研究具有重要意义，因为我们解码了与一般思维相关的情绪状态，而不是对仅限于特定任务的情绪，”并补充道，“这些发现增进了我们的理解影响主观体验的内部状态和环境，有可能揭示思想和情感的个体差异，并有助于评估心理健康。”