《Scientific Data》：Human neuron activity during an 83-minute movie from 2,286 neurons and 29 patients
编辑推荐：
尽管自然主义实验的趋势日益增长，但很少有在动态和自然刺激下收集的单单位（single-unit）数据集被公开，且没有使用完整长度电影的数据集。在此，研究人员介绍SUMMER（利用电生理记录在人类颞叶内侧进行电影单单位活动研究），该数据集包含来自29名颅内植入患
尽管自然主义实验的趋势日益增长，但很少有在动态和自然刺激下收集的单单位（single-unit）数据集被公开，且没有使用完整长度电影的数据集。在此，研究人员介绍SUMMER（利用电生理记录在人类颞叶内侧进行电影单单位活动研究），该数据集包含来自29名颅内植入患者在完整观看商业电影《和莎莫的500天》期间，从人类杏仁核、海马体、内嗅皮层、海马旁皮层及邻近结构记录的2,286个神经元的记录。研究人员提供了一套丰富的逐帧注释，覆盖了电影83分钟放映时间的全部时长，系统地标注了最突出的叙事和视觉元素，从角色和位置到镜头切换和主角对话。该神经数据无边界（Neurodata Without Borders, NWB）格式的数据集包含所有记录神经元的尖峰时间（spike times）和对应的平均波形（mean waveforms），以及人口统计学信息和电极定位。为了技术验证，研究人员提供了尖峰分类（spike-sorting）指标，并展示了单个神经元对电影特征的调谐（tuning）。研究人员还提供了基于机器学习（machine learning）的流水线（pipeline）的解码结果，用于从神经元群体活动预测电影特征。为便于立即使用，研究人员以机器学习就绪格式提供了数据集，并附带了展示神经特征和电影特征预测任务的代码库。该数据集为探索人脑如何处理语义内容（semantic content），特别是在涉及动态和自然刺激的现实世界情境中，提供了宝贵的基础。
**研究背景与问题**
在人类颞叶内侧（Medial Temporal Lobe, MTL）中，神经元编码多种记忆和感知信息，但以往研究多采用基于静态刺激的试次范式，难以推广到动态自然视觉场景。例如，静态刺激无法研究动作序列或随时间变化的内容，且猕猴下颞叶神经元对面孔的反应受时间连续性影响。自然刺激（如电影）作为实验与自然世界之间的中间阶段，可扩展对脑信息处理机制的理解。然而，目前缺少使用完整电影的单单位分辨率数据集，这限制了在动态刺激下研究语义内容编码的能力。
**研究内容与结论**
研究人员收集了29名药物难治性癫痫患者（年龄19-62岁，中位40岁，17名女性）在观看完整电影《和莎莫的500天》（83分钟）时的神经活动，记录来自杏仁核、海马体、内嗅皮层、海马旁皮层及邻近结构的2,286个神经元。数据集以神经数据无边界（Neurodata Without Borders, NWB）格式提供，包含尖峰时间、平均波形、人口统计学信息、电极定位，以及53种逐帧标注（如角色身份、位置、镜头切换、场景切换、主角对话等）。通过技术验证，研究人员展示了单个神经元对电影特征（尤其是镜头切换和场景切换）的显著响应，以及通过长短期记忆（Long Short-Term Memory, LSTM）模型从群体活动中解码角色、室内/室外场景和视觉转换的能力。该数据集为探索人脑在动态自然刺激下处理语义内容提供了基础，相关论文发表在《Scientific Data》。
**关键技术方法**
研究使用的主要关键技术包括：
1. **电极植入与数据采集**：通过深度电极（Behnke-Fried微线束）植入患者MTL区域，以32,768 Hz采样率记录神经信号（Neuralynx系统），并利用晶体管-晶体管逻辑（Transistor-Transistor Logic, TTL）脉冲同步电影播放与神经记录。
2. **尖峰分类与验证**：使用Combinato算法进行自动尖峰分类，经手动审核后分为单单位（single-unit）和多单位（multi-unit），并计算峰值信噪比（Signal-to-Noise Ratio, SNR）、间隔间隔（Inter-Spike Interval, ISI）违规率、稳健变异系数（CV2）和隔离距离（isolation distance）等质量指标。
3. **电极定位**：结合术前结构磁共振成像（MRI）和术后计算机断层扫描（CT）图像，通过LeGUI软件进行配准，并由两名神经学训练专家手动分类区域。
4. **电影标注**：采用手动标注（角色、位置、场景切换等）和自动方法（基于MTCNN面部检测、InceptionResnetV1嵌入提取的线性分类器进行角色面部标注，PySceneDetect检测镜头切换）。
5. **机器学习解码**：使用LSTM模型从伪群体（pseudo-population）神经元活动中逐帧解码电影特征，采用五折交叉验证并设置32秒时间缓冲以避免时间自相关导致的数据泄漏。
样本队列来源为德国波恩大学医院癫痫科，29名患者均为药物难治性癫痫并接受颅内监测。
**研究结果**
- **单神经元数据和尖峰分类质量指标**：研究人员记录了2,286个神经元，平均每个患者约78.83个，每个微线约2.02个，平均放电率1.93 Hz。尖峰分类质量指标显示：平均峰值SNR为8.19，ISI违规率（<3 ms）平均0.42%，稳健变异系数（CV2）平均1.08，隔离距离中位值21.82。在单单位中，鉴定出1,086个假定的锥体细胞（putative pyramidal cells）和91个假定的中间神经元（putative interneurons）。
- **单个神经元对电影特征的反应**：采用基于事件时间锁定异常顶点（Zenith of Event-based Time-locked Anomalies, ZETA）检验（α=0.01，1秒后刺激窗口，1,000次置换），发现对镜头切换（Camera Cuts）和场景切换（Scene Cuts）有最多神经元响应（分别195/2,286和93/2,286个神经元）。海马旁皮层（parahippocampal cortex）含有最大比例的显著响应神经元（镜头切换：68/293；场景切换：32/293）。通过聚类置换检验（cluster permutation test），发现响应神经元在镜头切换后放电率显著高于非响应神经元（p<0.001）。角色相关特征（如Tom、Summer）的响应神经元较少，主要在杏仁核中。
- **从神经元群体解码**：研究人员从患者间合并的伪群体中，使用LSTM模型逐帧解码主要角色、室内场景和视觉转换。所有解码性能（以Cohen's kappa衡量）均显著高于随机水平。杏仁核在解码角色（如Summer，Cohen's kappa=0.28）方面表现最佳，海马旁皮层在解码场景切换（Cohen's kappa=0.21）方面表现最佳。
**讨论与结论**
研究人员指出，电影作为刺激具有多时间尺度和密集特征，传统方法难以分析，但机器学习方法可识别复杂特征与连续神经活动的关系。该数据集可用于研究自然场景和物体表征、视听多模态整合、叙事内容结构、情绪和唤醒编码、预测编码以及人际关系神经表征。在应用方面，建议使用提供的伪群体方法和五折交叉验证（32秒缓冲）以避免数据泄漏。
**研究结论**：该数据集为探索人脑如何处理语义内容，特别是在涉及动态和自然刺激的现实世界情境中，提供了宝贵基础。
