腦機(jī)前沿| 呼吸里藏著腦電波？MIT團(tuán)隊(duì)從你的呼吸信號(hào)里翻譯出腦信號(hào)

你有沒有做過睡眠監(jiān)測？那種在頭上涂滿導(dǎo)電膏、戴上密密麻麻電極帽的體驗(yàn)，不僅折騰半小時(shí)，還讓你在本該放松的夜晚渾身不自在。更糟糕的是，這些“頭上長角”的裝備本身就會(huì)干擾睡眠——你測到的，可能已經(jīng)不是真實(shí)的睡眠了。

但呼吸呢？每個(gè)人睡覺時(shí)都在自由呼吸，無需穿戴，甚至無需接觸。一個(gè)聽起來像天方夜譚的問題由此誕生：僅憑呼吸，能否還原出整晚的腦電波？

2026年2月，分享在arXiv預(yù)印本平臺(tái)的一篇論文，給出了肯定的答案。MIT計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）聯(lián)合布里格姆婦女醫(yī)院（Brigham and Women’s Hospital）的研究團(tuán)隊(duì)，在論文《Physiology as Language: Translating Respiration to Sleep EEG》中提出了一種波形條件生成框架，首次實(shí)現(xiàn)了從呼吸信號(hào)到睡眠腦電圖的高保真“翻譯”。

圖1 模型將呼吸波形轉(zhuǎn)化為離散EEG token再重建為頻譜圖

睡眠監(jiān)測的“不可能三角”

在神經(jīng)和睡眠醫(yī)學(xué)中，EEG是診斷癲癇、嗜睡癥、抑郁癥和評(píng)估腦衰老的金標(biāo)準(zhǔn)。然而，標(biāo)準(zhǔn)多導(dǎo)睡眠監(jiān)測（PSG）依賴濕電極或緊繃的頭帶，操作繁瑣、易產(chǎn)生偽影，且本身就會(huì)破壞自然睡眠。

相比之下，呼吸信號(hào)的獲取極其簡單：一條呼吸帶，甚至一個(gè)無接觸的無線射頻（RF）傳感器就能搞定。但傳統(tǒng)生理學(xué)將肺系統(tǒng)和神經(jīng)系統(tǒng)視為兩個(gè)獨(dú)立領(lǐng)域——呼吸是機(jī)械的、低頻的；EEG是電化學(xué)的、高頻且充滿噪聲的。從呼吸“猜”腦電波，就像從一個(gè)人的口音推測他的心電圖，難度懸殊。

問題的裂縫在于：越來越多的證據(jù)表明，呼吸與神經(jīng)活動(dòng)之間存在深刻的耦合關(guān)系，尤其是在睡眠期間。這種耦合復(fù)雜到人類難以理解，卻可能被機(jī)器學(xué)習(xí)捕捉。

“生理學(xué)即語言”：把呼吸翻譯成腦電波

研究團(tuán)隊(duì)提出了一個(gè)精妙的類比：生理時(shí)間序列就像語言，由受生物“語法”支配的重復(fù)模式詞匯構(gòu)成。不同信號(hào)（如EEG和呼吸）可能用不同的“詞匯”編碼著重疊的健康信息。

基于這一思想，他們設(shè)計(jì)了一個(gè)非對稱的生成模型：

對于輸入端的呼吸信號(hào)，模型十分挑剔，拒絕任何過度壓縮。它僅用簡單的線性投影，將原始呼吸波形切成4分鐘一段的連續(xù)嵌入，保留所有細(xì)微的形態(tài)學(xué)線索。

對于輸出端的EEG，模型則采取了“化繁為簡”的策略。它先將EEG時(shí)域信號(hào)轉(zhuǎn)化為時(shí)頻譜圖（捕捉睡眠紡錘波、α節(jié)律、慢波等關(guān)鍵特征），再通過向量量化變分自編碼器（VQGAN）將其壓縮成離散的“EEG詞匯表”。每個(gè)token對應(yīng)約4 Hz × 4分鐘的頻譜塊，恰好對齊δ、θ、α、σ等經(jīng)典腦電頻段。

圖2 EEG頻譜圖被離散化為可學(xué)習(xí)的“腦電詞匯”

這種設(shè)計(jì)的妙處在于：呼吸的豐富上下文被完整保留，而EEG的高維搜索空間被約束在一個(gè)有限的“神經(jīng)詞典”里，使翻譯任務(wù)從不可能的高維回歸，變成了可處理的“選詞填空”。

翻譯的核心是一臺(tái)基于Transformer的掩碼生成模型。訓(xùn)練時(shí)，模型同時(shí)看到呼吸嵌入和部分被遮罩的EEG token，學(xué)習(xí)根據(jù)呼吸上下文預(yù)測缺失的腦電“詞匯”。推理時(shí)，只需輸入一整晚的呼吸，模型就能生成完整的EEG token序列，再解碼成頻譜圖。

“渦輪增壓”的重建精度

這項(xiàng)研究最令人震驚的是其規(guī)模與精度。團(tuán)隊(duì)在涵蓋28,394名受試者、年齡跨度從3歲到102歲、33,919個(gè)夜晚的14個(gè)睡眠數(shù)據(jù)集上驗(yàn)證了模型。

重建精度上，模型取得了平均7%的歸一化平均絕對誤差（MAE），信噪比（SNR）高達(dá)約14 dB。這意味著生成的EEG頻譜圖在視覺上與真實(shí)記錄幾乎難辨真?zhèn)巍呒忓N波、后節(jié)律、慢波活動(dòng)都被精準(zhǔn)復(fù)現(xiàn)。

圖3 真實(shí)EEG（上）與生成EEG（下）的對比，關(guān)鍵睡眠特征被精準(zhǔn)還原

更關(guān)鍵的是，這種重建不是“看起來像”而已。研究團(tuán)隊(duì)用生成的EEG做了三項(xiàng)下游任務(wù)：

年齡估計(jì)：MAE 5.0歲，接近真實(shí)EEG的5.1歲；

性別檢測：AUROC 0.81，逼近真實(shí)EEG的0.82；

睡眠分期：準(zhǔn)確率0.84，接近真實(shí)EEG的0.88。

這說明模型并非在生成“平均臉”式的模糊EEG，而是真正從呼吸中解耦并放大了腦特異性信息。

圖4 模型在不同年齡、性別、種族和疾病亞組中均保持穩(wěn)定低誤差

非接觸式監(jiān)測：從無線信號(hào)“讀”腦電波

論文最具未來感的部分，是將這一框架推向了完全無接觸的場景。

在MGH數(shù)據(jù)集上，研究團(tuán)隊(duì)用無線射頻（RF）傳感器捕捉睡眠中的呼吸反射進(jìn)行分析。結(jié)果顯示，僅憑這些無線反射生成的EEG，精度已接近呼吸帶（MAE 7%），且同樣支持年齡、性別和睡眠分期任務(wù)。

這意味著：未來，房間里的一臺(tái)低功耗無線電設(shè)備，或許就能在患者毫無察覺的情況下，監(jiān)測其夜間腦電波，篩查癲癇、評(píng)估腦衰老、追蹤抑郁療效。

對AI工程的啟示：跨模態(tài)翻譯的新范式

這項(xiàng)研究不僅是一項(xiàng)醫(yī)學(xué)監(jiān)測工具，更提供了一種跨生理域翻譯的通用思路。當(dāng)兩種模態(tài)的信息密度懸殊時(shí)，非對稱處理——保留輸入的連續(xù)性、離散化輸出的復(fù)雜性——可能比強(qiáng)行對稱編碼更有效。

論文通訊作者Dina Katabi教授團(tuán)隊(duì)此前在無線感知領(lǐng)域已有多項(xiàng)突破。此次工作將“無線信號(hào)→呼吸→EEG”的鏈條打通，為神經(jīng)形態(tài)計(jì)算和遠(yuǎn)程醫(yī)療提供了全新路徑。

當(dāng)然，挑戰(zhàn)依然存在。模型目前聚焦于單通道EEG（C4-A1），且生成的EEG是概率性重建，存在“幻覺”風(fēng)險(xiǎn)，不能替代臨床診斷。但對于大規(guī)模篩查和長期居家監(jiān)測，它指明了一條“無感守護(hù)”的進(jìn)化方向。

參考：https://arxiv.org/abs/2602.00526

腦機(jī)接口社區(qū)是國內(nèi)首家腦機(jī)接口(BCI)產(chǎn)業(yè)服務(wù)平臺(tái)、國內(nèi)腦機(jī)接口新媒體開創(chuàng)者與引領(lǐng)者。主要為企業(yè)、科研團(tuán)隊(duì)、投資機(jī)構(gòu)和從業(yè)者提供以下服務(wù)：

宣傳報(bào)道：圖文、短視頻、直播形式報(bào)道企業(yè)動(dòng)態(tài)、技術(shù)解讀、產(chǎn)品介紹等內(nèi)容，提升曝光和行業(yè)影響力。

資源對接：根據(jù)需求匹配資本、供應(yīng)鏈、臨床機(jī)構(gòu)、渠道方等資源，完成真實(shí)對接，促進(jìn)合作。

成果轉(zhuǎn)化：協(xié)助技術(shù)團(tuán)隊(duì)尋找產(chǎn)業(yè)方、投資人及落地場景，推動(dòng)技術(shù)到產(chǎn)品的轉(zhuǎn)化。

活動(dòng)策劃執(zhí)行：承接線上線下路演、沙龍、論壇等活動(dòng)的策劃與執(zhí)行。

其他定制需求：包括報(bào)告定制、市場調(diào)研、人才招聘支持等個(gè)性化服務(wù)。

合作洽談，請聯(lián)系微信：ZuoLeiLeiya

（備注：姓名-單位-合作）

投稿丨成為創(chuàng)作者，請聯(lián)系微信：RoseBCI

不錯(cuò)過每一條腦機(jī)前沿進(jìn)展

一鍵三連「分享」、「點(diǎn)贊」和「在看」

歡迎在評(píng)論區(qū)聊聊