近年来，随着脑成像技术和人工智能的飞速发展，科学家在解码和重建人类大脑活动方面取得了突破性进展。最新研究表明，通过分析人脑在观看图片时的神经信号，可以利用深度学习模型将脑部活动还原为对应的视觉图像。这一技术的应用范围不仅局限于外界视觉信息的重建，还可能扩展到梦境和想象中的图像复原，为理解人类意识和梦境机制提供了全新的科学工具。

日本国际电气通信基础技术研究院脑情报研究所的神谷之康团队在2023年12月11日发表于《神经元》（Neuron）杂志的研究中，展示了如何利用功能性核磁共振成像（fMRI）结合深度学习模型，成功重建人类在观看图片时的脑部活动。实验中，受试者观看了400张由黑白格子组成的图片，内容包括字母、几何图形等基本符号。研究人员通过分析视觉皮质的血流变化，训练深度学习模型学习图像与脑信号之间的复杂映射关系。

随后，当受试者观看新的图片时，研究人员将fMRI数据输入训练好的模型，成功实现了对图像的基本重建。神谷之康指出：“梦境和想象中的视觉内容在大脑中也激活了视觉皮质，利用此技术，未来有望复原梦境中的场景。”这项研究不仅为探索梦境、想象和记忆的神经机制提供了新的技术手段，也为神经科学、认知科学以及临床诊断（如意识障碍患者的评估）带来了潜在的应用前景。

该研究的核心在于结合脑成像和深度学习技术，解码大脑中的视觉信息，揭示了梦境与现实视觉体验的神经基础。未来，随着技术的不断成熟，有望实现更加精细和动态的梦境重建，为理解人类意识提供重要线索。

原始论文信息：
《神经元》（Neuron），Volume 60, Issue 5, 915-929，Yoichi Miyawaki，Yukiyasu Kamitani