Nat Commun：利用“通用语义模型”成功解码个体自传体记忆

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

认知神经科学前沿文献分享

基本信息

Title:Neural decoding of autobiographical mental image features with a general semantic model

发表时间：2025.12.12

发表期刊:Nature Communications

影响因子：15.7

获取原文：

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

研究背景

当我们阅读一句简单的描述，例如 “那个调皮的孩子在餐厅打破了玻璃杯” 时，我们的大脑是在单纯地处理抽象的语义符号，还是在调动感官经验去模拟这个场景？反过来，当我们闭上双眼，回味自己独特的亲身经历（如参加一场婚礼）时，这种“心理时间旅行”所依赖的神经机制，与我们理解语言时调用的机制究竟有多大重叠？

长期以来，认知神经科学领域倾向于将这两个过程视为相对独立的系统。语言理解通常被归因于涉及颞叶、顶叶和额叶外侧的语义系统（Semantic System），被称为“心智的思想（Mind's Mind）” ；而自传体记忆和心理意象则主要依赖中线皮层区域及海马体的情景/自传体系统（Episodic System），被称为“心智的眼睛（Mind's Eye）” 。尽管两者都植根于人类的经验，但它们在神经表征上的共性一直未被完全阐明。

如果这两个系统在功能上是割裂的，我们就很难解释为什么语言能够如此生动地唤起我们的个人记忆，也很难解释我们如何用语言向他人描述内心私密的心理意象。本研究通过构建一个通用的语义模型，试图挑战这一传统界限，探究是否能够利用训练于“阅读句子”的大脑解码器，直接读取并重构个体在“回忆往事”时的心理图像特征。这不仅关乎我们要如何理解记忆与语言的本质，更是通向构建能够理解人类深层思维的脑机接口的重要一步。

研究核心总结

本研究 2025年12月12日 在线发表于Nature Communications，研究团队通过对50名参与者（涵盖青年与老年群体）的功能性磁共振成像（fMRI）数据进行分析，揭示了语言理解与自传体心理意象在神经表征上的深度共享机制。

Fig. 1 | Decoding autobiographical mental image features from fMRI data with a general semantic model.

核心发现一：跨任务的“零样本”神经解码

研究者首先基于一组独立的被试（14人）在阅读句子时的fMRI数据，构建了一个通用语义解码器（General Semantic Decoder）。该模型使用20个“体验性特征”（如视觉、运动、社交、情感、空间等维度）来量化语义信息。令人惊讶的是，这个仅在“阅读任务”上训练的模型，成功地从另一组完全不同的被试（50人）在进行“自传体想象任务”时的大脑活动中，重构出了他们心理意象的详细特征。这证实了自传体心理意象与句子语义理解在神经编码上存在显著的重叠，两者共享同一套表征空间。

Fig. 2 | Autobiographical mental image features were reconstructed from fMRI data using a general semantic decoding model.

核心发现二：默认模式网络（DMN）子系统的功能分离

研究深入剖析了默认模式网络（DMN）的三个子系统在表征共享中的不同角色，发现了精细的功能组织架构：

• 核心DMN（Core-DMN）与额颞DMN（FT-DMN）：这两个子系统在重构社交互动相关的特征（如“社交”、“沟通”、“言语”）方面表现出高度的一致性和准确性。这表明，无论是通过阅读理解他人的故事，还是回忆自己的社交经历，大脑都利用这些区域来处理社会认知信息（如心理理论）。

• 内侧颞叶DMN（MT-DMN）：该子系统则表现出独特的偏好，它能更准确地重构与感知和空间移动相关的特征（如“路径”、“颜色”、“味觉”）。这与MT-DMN（包含海马结构）在场景构建和视觉空间模拟中的传统角色相符。

Fig. 3 | Autobiographical mental image feature ratings were reconstructed from each DMN subsystem.

Fig. 4 | Differences in feature reconstruction accuracy between DMN sub-systems.

核心发现三：解码个体差异与特异性体验

该模型不仅能解码通用的语义类别，还能捕捉到个体差异（Individual Differences）。由于不同年龄、不同背景的人对同一场景（如“婚礼”）的想象截然不同（例如年轻人可能侧重于热闹的派对，老年人可能侧重于仪式感），研究者发现，利用从他人阅读数据中训练的模型，依然能够以70%的准确率区分出不同个体的特异性心理意象。这表明，这种共享的神经编码不仅包含类别信息，还通过加权组合保留了极其个人化的体验细节。

Fig. 5 | Experiential features’ independent contributions to predicting mental image fMRI data.

关键意义

本研究有力地支持了情景记忆与语义记忆边界模糊化的理论观点，证明了人类大脑在处理外部符号输入（语言）和内部模拟生成（想象）时，复用了相同的神经基质。这一发现为研发能够“读取”人类复杂思维内容的通用脑解码器提供了重要的原理论证：即我们无需针对每个特定任务或特定个体重新训练模型，利用现有的语言语义模型即可在一定程度上解析个体的私密记忆体验。

Fig. 6 | Reconstruction of experiential mental image scenario structure was commensurate with GPT-2.

Abstract

To what extent does language comprehension engage the same brain areas that enable one to imagine autobiographical experiences? Traditionally, these two abilities have been thought to recruit largely separate neurocognitive systems, namely the semantic system – involving lateral aspects of the temporal, parietal, and frontal lobes – and the autobiographic/episodic system, primarily involving midline cortical areas and the hippocampus. Here, we provide evidence of shared representations elicited in sentence comprehension and self-generated autobiographical mental imagery that are most prominent in midline regions and present in both sets of cortical areas. Fifty participants who imagined their unique experiences of twenty common scenarios while undergoing functional Magnetic Resonance Imaging (fMRI) are analyzed. Self-reported, participant-specific experiential feature ratings of the mental images are reconstructed from fMRI activation in both midline and lateral surface cortical areas using a pre-trained semantic decoder. Critically, the semantic decoder was derived from fMRI activation recorded during sentence reading in a separate participant group. This finding demonstrates zero-shot decoding of participant-specific autobiographical feature ratings from fMRI data, across people and cognitive tasks. Moreover, it strongly suggests that the neural encoding of sentence meaning shares cortical areas and at least some representational codes with self-generated autobiographical mental images.

请打分

这篇刚刚登上Nature Communications的研究，是否实至名归？我们邀请您作为“云审稿人”，一同品鉴。精读全文后，欢迎在匿名投票中打分，并在评论区分享您的深度见解。

前沿交流|欢迎加入认知神经科学前沿交流群！

核心图表、方法细节、统计结果与讨论见原文及其拓展数据。

分享人：饭哥

审核：PsyBrain 脑心前沿编辑部