使用心象与基于脑电的机器学习对音乐熟悉度的客观评估

为什么脑海中的歌曲很重要

大多数人都有过这样一种体验：即使音乐停止，最喜欢的歌曲仍在脑海中回响。该研究提出了一个引人注目的问题：仅凭这些寂静时刻的大脑活动，我们能否判断出一个人是在想象一首他们非常熟悉的歌曲，还是一首从未听过的歌曲？通过脑电记录与机器学习，研究者表明即便没有声音传入耳朵，我们的大脑也保留着可区分且可测量的音乐熟悉度特征。

聆听突然静止的音乐

为了探查这一隐藏的心理配乐，研究小组招募了二十名没有正规音乐训练的成年人。每位参与者挑选了五首他们在母语中非常熟悉的流行歌曲。研究人员随后为每首熟悉曲目配对了一首由较不知名艺术家演唱、风格相似但不熟悉的歌曲。在实验过程中，参与者在佩戴包含200多个电极的高密度帽的情况下听这十首歌曲的两分钟片段。每首歌在不预告的情况下穿插短暂的两秒钟静音间隙。参与者只被要求专心聆听；他们没有被指示去想象任何东西，但在事后会对自己在多大程度上在脑中填补这些缺失片段进行评分。

在静默时刻读取脑电波

关键测量来自仅在那些短暂静默期间记录的脑电波。由于没有声音存在，熟悉与不熟悉歌曲之间的任何差异必须来源于内部产生的活动，例如记忆、预测或自发的音乐意象。研究人员对电信号进行噪声去除，并将其切割成以每个静默间隙为中心的短段。他们接着将这些复杂的波形转换为数值特征，既捕捉简单的类节律属性，也描绘不同脑区随时间共同波动的更丰富模式。

训练机器识别熟悉曲调

接下来，团队训练计算机算法学习区分跟随熟悉歌曲的静默间隔与跟随不熟悉歌曲的静默间隔。对每位被试，他们构建了独立的模型，反映出大脑与音乐经历因人而异。一类模型使用了经典的脑电频带强度度量，例如与记忆和内在注意力相关的所谓theta与alpha节律。第二种更先进的方法则将电极间的连接模式视为曲率空间中的点，然后以保持其结构的方式将该空间“展平”后送入分类器。总体而言，第二种策略使计算机更准确地区分熟悉度。

静默音乐在大脑中的所在地

当研究者检查哪些电极对计算机判决最为重要时，出现了清晰的图景。位于头部两侧的听觉区上方的信号，尤其是右侧，携带了大量有用信息。位于头部前方的额叶区域也起到了关键作用，而这些区域之间耦合的模式尤其具信息性。这一分布与早先的大脑成像工作相吻合：熟悉的音乐将听觉区域与记忆及控制网络连接起来，帮助大脑预测旋律的展开。有趣的是，参与者对自己在多大程度上生动地想象音乐或感觉熟悉的主观评价，并不能很好地解释模型的表现，这表明模型捕捉到了超出意识报告的微妙、自动化过程。

这对记忆与“读心术”的意义

该研究表明，通过在精心安排的静默期间“聆听”大脑活动，可以以大约四分之三的准确率判断一个人是在脑中听熟悉还是不熟悉的歌曲。目前这仍是在一小群健康年轻成人身上、使用复杂实验室设备进行的概念验证。但它暗示了未来可能开发的工具，这些工具或许可以在不要求患者回答问题或执行任务的情况下评估音乐记忆——甚至是其他形式的记忆。如果在更大、更具多样性的群体中得到重复验证，且适配到更简易的脑电记录系统，这一方法有朝一日可能仅凭喜欢的歌曲与静默时刻就帮助追踪痴呆等疾病中的记忆变化。

引用: Darçot, B., Nicolier, M., Giustiniani, J. et al. Objective assessment of familiarity in music using imagery and EEG-based machine learning. Sci Rep 16, 8689 (2026). https://doi.org/10.1038/s41598-026-41988-0

关键词: 音乐记忆, EEG, 脑电波, 机器学习, 音乐熟悉度