全 文 ：生命科学
Chinese Bulletin of Life Sciences
第21卷 第2期
2009年4月
Vol. 21, No. 2
Apr., 2009
文章编号 ：1004-0374(2009)02-0171-06
收稿日期：2008-12-25
通讯作者：haynes@bccn-berlin.de
使用非侵入的神经影像方法解码人类思维
HAYNES John-Dylan
(德国马普学会人类认识和脑科学研究所)
摘 要：随着神经影像技术的发展，“读脑机器”在不久的将来可能会变成现实。在众多实现“读
脑机器”的技术中，使用基于血氧水平依赖的脑功能磁共振技术的神经解码方法则是非常有希望的一种
技术。在本报告中, 我们结合我们实验室最近开展的两个研究工作，说明了使用功能磁共振技术进行神
经解码的一般方法及其应用。本领域的发展很快，所有的这些工作让我们对发明“读脑机器”充满
了期待。但是，与此同时，我们也应该看到目前还存在着很多技术的局限和挑战。本报告的最后，
我们也对这些局限和挑战进行了一些讨论。
关键词：神经解码；功能磁共振；读脑机器
中图分类号：R318 .04　　文献标识码：A
Decoding human brain activity with non-invasive neuroimaging
HAYNES John-Dylan
(Max Planck Institution for Human Cognitive and Brain Sciences, Germany)
Abstract: As the development of the neuroimaging, the dream of the reading brain machine will come true in the
near future. The functional Magnetic Resonance Imaging (fMRI) is among the current most promising technolo-
gies for the reading brain machine. In this talk, we introduced some conceptions and idea in this field through
some recent studies of using fMRI to decode the human brain activity. At the same time, the talk covered some
advance and trends in the future. The advance in this field will bring more exciting result, while, we think, there
are some challenge.
Key words: decoding; functional Magnetic Resonance Imaging; reading brain machine
自古以来，人们一直希望能够发明一种能够读
取大脑思维活动的机器，使用它去了解别人的所思
所想。随着科技的进步，特别是随着现代神经影像
技术的发展，这种以前只在科幻小说中出现的“读
脑机器”在不久的将来可能会变成现实。目前，我
们使用神经影像技术已经可以从多个层次考察脑的
结构属性和功能活动，极大地扩展了人类对自身大
脑的认识；同时，我们也使用神经影像技术进行了
临床诊断和神经系统疾病的治疗干预，神经影像技
术正在逐渐深入并改变着我们的生活。在这众多的
神经影像技术中，使用基于血氧水平依赖(BOLD)的
脑功能磁共振是实现“读脑机器”非常有希望的一
种技术。从原理上讲，基于 BOLD 的功能磁共振是
通过检测由血液含氧量变化所引起的磁信号的变化
来间接地测量脑神经元活动的技术[1]。研究人员正
是通过有目的地刺激神经元活动，从而检测 BOLD
信号的变化来推测神经元的活动，进而了解大脑活
动的。目前基于BOLD 的功能磁共振技术已经可以
实现毫米级的空间分辨率、秒级的时间分辨率以及
全脑检测，这为有效检测脑活动提供了可能。
经过多年的研究，科学家们已经发现，当人
们看不同种类的物体时，基于BOLD 的功能磁共振
检测到的脑活动会有不同的空间分布模式。例如，
在图1 中，人们看四种不同种类的物体(包括人脸、
房子、椅子和鞋)时，人脑不同的区域会有不同的
· 专题：生物医学工程 ·
172 生命科学 第21卷
活动模式，如图 1 中的第二列所显示的不同颜色。
从理论上讲，我们可以通过比较和辨别这些不同的
活动模式来反推一个新观察到的脑活动模式所对应
的被人所看到的物体种类。我们称这个反推的过程
为“神经解码(decoding)”[2]。这个过程有点像通
过指纹来识别不同的人。我们知道，每个人都有不
同的指纹。原理上，我们完全可以通过采集不同人
的指纹，然后通过指纹来识别不同的人。神经解码
的过程和通过指纹识别人的过程非常类似。简单来
讲，神经解码就是通过所检测到的脑活动的不同模
式来识别人所看到或听到或通过其他方式感知到的
不同物体或者事件。
在神经解码的研究过程中，模式识别是一项非
常重要的基本技术。事实上，正是脑活动方式的复
杂性造成了神经解码方法的复杂性。为了阐述方
便，我们还是以视觉为例。例如，人们在看到一
类物体时，并不是仅仅一个脑区或者脑的部位活
动，而是很多个脑区和部位一起活动。因此，仅
仅通过检测一个脑区或者脑的部位活动是无法区别
人到底是看到什么物体的。我们需要同时检测多个
脑区或部位的活动才有可能实现神经解码的过程。
模式识别技术正是同时考虑多个变量共变的一种分
析方法。所以，仅从分析方法的角度来看，神经
解码是一个多学科交叉的研究领域，不但需要神经
影像成像和图像分析处理技术，也需要模式识别等
数据分析方法。
目前，使用基于BOLD 的功能磁共振技术进行
神经解码的研究工作还处在初步阶段。因此，下面
将结合两个我们最近开展的具体工作来说明神经解
码的方法及其在认知神经科学研究中的应用。
1　实验一：预测被试的行为意图[3]
以前研究已经发现，当人们有目的地进行某项
行为时，其前额叶皮层的活动是增加的。但是，对
于这种前额叶皮层活动增加的神经机制，科学家们
有着很多种猜测；其中，对于其是否包含有人们行
为的意图信息并不是很清楚。在我们这项研究中，
我们通过设计了一个和行为意图有关的实验，使用
神经解码的方法探讨了这一问题。图2 是我们设计
的“意图延迟”任务。在该任务中，被试者在看
到屏幕显示“select”时，心中决定在之后看到两
个数字是将其进行“相加”，还是进行“相减”
操作，被试者被要求记住自己的决定，并且不能改
图1　通过大脑活动解码所看到的物体的一般分析过程
173第2期 HAYNES John-Dylan：使用非侵入的神经影像方法解码人类思维
变；在经过一段时间延迟之后(延迟阶段)，被试者
将看到两个数字，按照之前所做的“相加”或“相
减”的操作，将这两个数字进行心算，并得到结
果；最后，被试者将被呈现四个数字，其中有两
个是之前所显示过的两个数字进行相加和相减的操
作所得到的结果，另外两个则是毫不相关的数字。
此时，被试者需要根据之前自己运算得到的结果，
点击合适的按钮(执行阶段)。从直观上讲，我们只
能根据被试者点击的按钮所对应的数字来推测被试
者之前所做的是“相加”，还是“相减”的决定。
在本研究中，我们就是要使用在延迟时间段中的功
能磁共振所记录到的脑信号来推测被试者所做的决
图 2　“预测行为意图”研究的实验范式
定，也就是说，在被试者心中有这个意图的时候就
通过脑信号来预测他(她)之后的行为。
具体的，我们先使用统计参数图(SPM)的广义
线性模型得到进行加减两个操作时各自在延迟阶段
和执行阶段的参数估计图，然后再借鉴Searchlight
的思想[4]使用局部区域内多个象素的参数估计作为特
征，利用支持向量机来寻找能显著预测被试者意图
(这里就是加减两类问题)的脑区。结果，我们发
现，前额叶不同的脑区或者部位在不同阶段有着截
然不同的预测力，主要结果如图3所示。在图3中，
绿色柱状条所对应的脑区，主要包括额叶内侧区域
的前部(MPFCa)等，在延迟时间段能够显著地预测
图3 “预测行为意图”研究的主要结果
174 生命科学 第21卷
被试的行为意图；而红色柱状条所对应的脑区，包
括额叶内侧区域的后部，(MPFCp)在任务执行的时
间段能够显著地预测被试者的行为。依据这些结
果，我们认为，在本实验中，使用额叶内外侧脑
区的活动提前预测被试的行为意图是可能的。另
外，一个有趣的发现是，MPFCa 和 MPFCp 虽然都
位于额叶内侧，但是它们在预测被试意图的作用时
间段上有着截然不同的表现，一个在延迟阶段；一
个在执行阶段。这也提示了这两个脑区在本实验中
具有不同的神经功能。
目前，我们也正在和其他研究人员合作，希
望能够通过功能磁共振去引导微电极的植入共同进
行研究，从而更为全面的认识和挖掘神经解码的潜
力。
2　实验二：探索大脑无意识活动对自由决策的影
响[5]
日常生活的经验告诉我们，人类的决策活动一
般都是有意识的活动。可另一方面，大脑无意识活
动和决策行为究竟是否有关系呢？日常生活可能让
我们忽视了这个问题本身。事实上，也很少有人来
研究这个问题。在我们的这项实验中，我们使用了
如图4 的实验范式。在这个实验中，屏幕呈现给被
试者一系列的字母，每个字母间隔0.5s。当被试者
自己觉得有点击按钮的冲动或者想法时，他(她)可
以(也被要求)立即按下按钮。需要注意的是，尽管
是立即按下按钮，并不能保证产生想按按钮的时刻
和按下按钮的时刻完全一致。因此，产生想按按钮
的时刻和按下按钮的时刻是有一段延迟的。实验
中，被试者左右手都备有按钮，点击任一个都可
以。在被试者按下按钮之后，屏幕会出现之前呈现
的最近三个字母。此时，被试者需要选择再次点击
按钮来选择他(她)是在出现哪一个字母时产生想按按
钮的冲动的。以上就是实验的基本过程。
在这项研究中，我们也使用了实验一的分析方
法以及Searchlight的思想和支持向量机等工具。不
过，我们分析的目的却是，探寻在产生按按钮的想
法之前以及之后，哪些脑区能够预测是左手还是右
手按按钮。从直觉来讲，我们可能会认为，在产
生想按按钮之前的脑活动都是无意识的活动，因此
其活动与无论哪只手按按钮都是无关的。可是，经
过分析，我们发现，结果并非像想象的那样。我
们的主要结果如图5 所示。在图5 中，每个曲线图
的x 轴表示时间，0 表示产生想按按钮的想法的时
刻。从图5 中可以看出，红色所标出的大脑左右运
动区和辅助运动区的活动在产生按按钮的想法之后
可以较高地预测按按钮的是左手还是右手；而一部
分额极内外侧脑区和楔前叶以及扣带回后部的一部
分区域却在产生想按按钮的想法之前(之前长达7s)
图4　“大脑无意识活动对自由决策的影响”研究的实验范式
175第2期 HAYNES John-Dylan：使用非侵入的神经影像方法解码人类思维
图5　“大脑无意识活动对自由决策的影响”研究的主要结果
176 生命科学 第21卷
就可以显著高于随机地预测按按钮的是左手还是右
手。这提示我们，人们感知到的意识(awareness)
和行为之间的关系并没有我们想象的那么简单和直
观；在人们没有意识到即将产生的行为之前，无意
识的脑活动早已经参与了行为的准备和处理。并
且，负责高级执行控制行为的脑区活动也不一定被
意识感知到，本研究的结果即是一个例子。
以上只是最近我们所进行的利用功能磁共振进
行无创神经解码研究的比较典型的两个工作。类似
的，我们还进行了很多其他方面的工作，其中涉及
到了注意、词语的概念以及视觉感知[6]等等。这些
工作以及本领域的发展让我们对不久的将来发明
“读脑机器”充满期待。但是，与此同时，我们
也看到目前还存在着很多技术的局限以及相当大的
困难和挑战。例如，当前虽然我们可以使用功能磁
共振进行全脑的秒级扫描，但是，空间分辨率仍然
只能在毫米级，并且磁共振机本身也不易搬动，便
携性较差，基本上还只能停留在实验室进行科研的
阶段。因此，我们可以结合脑电以及近红外检测技
术等一起进行神经解码的工作来克服磁共振机便携
性差的缺点。除此以外，目前神经解码的方法也非
常基本，其泛化性能较差，尤其是所得到的结果不
能直接有效地应用于新的被试者以及研究一个新的
应用场合。研究和开发新的有效的神经解码方法是
未来神经解码研究领域的一个重要方向。此外，我
们也不应该忽视与神经解码应用相关的科研道德和
科研伦理等问题：因为思想的私有和独特是人类自
身最核心的特性，人与人的不同也正根源于人类思
想的不同。
[参　考　文　献]
[1] Ogawa S, Lee TM, Kay AR, et al. Brain magnetic resonance
imaging with contrast dependent on blood oxygenation. Proc
Natl Acad Sci USA, 1990, 87(24): 9868-72
[2] Haynes JD, Rees G.. Decoding mental states from brain
activity in humans. Nat Rev Neurosci, 2006, 7(7): 523-34
[3] Haynes JD, Sakai K, Rees G, et al. Reading hidden inten-
tions in the human brain. Curr Biol, 2007, 17(4): 323-8
[4] Kriegeskorte N, Goebel R, Bandettini P. Information-based
functional brain mapping. Proc Natl Acad Sci USA, 2006,
103(10): 3863-8
[5] Soon CS, Brass M, Heinae HJ, et al. Unconscious determi-
nants of free decisions in the human brain. Nat Neurosci,
2008, 11(5): 543-5
[6] Haynes JD, Driver J, Rees G. Visibility reflects dynamic
changes of effective connectivity between V1 and fusiform
cortex. Neuron, 2005, 46(5): 811-21
ËÎÃ÷ ÕûÀí