Dekodowanie snów w oparciu o fMRI i leksykalne bazy danych

Na początku kwietnia w Science ukazała się kolejna praca japońskich naukowców pod kierunkiem Yukiyasu Kamitani, w której podjęli się oni niezwykle ciekawego zadania polegającego na próbie odczytania wizulanej treści snów osób w oparciu o aktywność fMRI ich mózgu. Już wcześniej pisałem o dokonaniach Kamitani, któremu udało się coś podobnego przy użyciu trochę innej metody, a także, którego zespół dokonał rekonstrukcji statycznego obrazu (słowa “neuron”) bez odwoływania się do wcześniej utworzonej bazy obrazów. Najnowsza metoda oparta o korelacje pomiędzy aktywnością fMRI i raportami werbalnymi opisującymi treść snów uczestników badania jest wspierana przez leksykalne i obrazkowe bazy danych i stanowi kolejny ważny krok umożliwiający wykorzystanie obiektywnych metod i narzędzi do określenia subiektywnych, dostępnych normalnie tylko dla jednej osoby wrażeń – treści marzeń sennych.

Ciekawą stroną tych badań jest między innymi to, że autorzy skupili się na marzeniach sennych związanych z hipnagogiami charakteryzującymi początkowe fazy zasypiania, tzn. fazę pierwszą i drugą, a nie fazę REM, która zazwyczaj jest w centrum uwagi tych, których interesują sny. Taki a nie inny wybór umożliwił badaczom zebranie dużej ilości danych dzięki możliwości wielokrotnego budzenia uczestników niedługo po zaśnięciu, bez potrzeby czekania na pojawienie się fazy REM. Wiadomo bowiem, że treść snów zebrana podczas przebudzeń zarówno w początkowych fazach zasypiania, jak i później, w fazie REM, cechuje się wieloma podobieństwami w ilości, długości i zawartości, choć także widoczne są pewne różnice, np. w występowaniu elementów afektywnych.

W ten sposób przebadano trzy osoby, od których pozyskano w sumie ponad 600 raportów, budząc je w początkowych fazach snu, wtedy gdy aktywność EEG wskazywała na występowanie treści wizualnych we śnie. Jednocześnie rejestrowano aktywność fMRI mózgu uczestników tuż przed przebudzeniem z obszarów kory wzrokowej. Następnie z opisów snów wyodrębniono słowa opisujące różne obiekty lub sceny, które za pomocą leksykalnej bazy danych WordNet, organizującej semantycznie podobne słowa w strukturę hierarchiczną, pogrupowano w tzw. synsety (grupy wyrazów o podobnym znaczeniu, synonimów). Dane fMRI poprzedzające każdą pobudkę zostały oznaczone specjalnym wektorem (tzw. visual content vector), który zawierał elementy, w których każdy wskazywał na obecność lub brak danego synsetu w następującym po przebudzeniu opisie snu.

Następnie badacze zebrali zestaw obrazków odpowiednich dla każdego synsetu, korzystając z bazy ImageNet (zawierającej obrazy pogrupowane zgodnie ze strukturą hierarchiczną WordNet) oraz Google Images, które wykorzystali do utworzenia algorytmu dekodującego sny. Dekoder ten powstał w oparciu o tzw. liniową metodę wektorów nośnych (linear support vector machines), wykorzystując dane z fMRI zarejestrowane z obszarów kory wzrokowej (boczny obszar potyliczny [LOC], pole wrzecionowate twarzy [FFA], przyhipokampowy ośrodek analizy miejsc [PPA] oraz pola V1, V2 i V3) osób, które oglądały obrazki odpowiadające poszczególnym synsetom (po szczegóły tej dość skomplikowanej metody odsyłam do oryginalnego artykułu oraz materiałów uzupełniających).

Tak skonstruowany dekoder był w stanie z dużą dokładnością odtworzyć wizualne treści snów uczestników, opierając się na aktywności fMRI ich mózgu zarejestrowanej niedługo przed przebudzeniem, co przedstawione zostało na poniższym filmie: pokazane są dwa przykłady, gdzie w pierwszej części możemy zobaczyć powstały obraz w oparciu o podstawowe synsety, a następnie możemy zapoznać się z treścią snu podaną przez uczestnika po przebudzeniu.

Wyniki uzyskane przez grupę Kamitani dostarczają kolejnych dowodów na istnienie wspólnego podłoża neuronalnego dla percepcji (w stanie czuwania) i wyobraźni (marzeń sennych). Chociaż metoda dekodowania treści snów miała charakter retrospektywny – najpierw zebrano dane w postaci raportów ze snów i fMRI, a następnie stworzono dekoder tych treści, autorzy uważają, że ten sam algorytm może być stosowany dla danych neuroobrazowych pobranych w przyszłych badaniach, co więcej można będzie je zastosować także do snów wystepujących w fazie REM. Poniżej można posłuchać kilkuminutowego podcastu, w którym Yukiyasu Kamitani opowiada o swoim najnowszym badaniu.

Horikawa T, Tamaki M, Miyawaki Y, & Kamitani Y (2013). Neural Decoding of Visual Imagery During Sleep. Science (New York, N.Y.) PMID: 23558170

Foto: delta_avi_delta, CC BY-SA 2.0