文 | 追问nextquestion
人类一直以来便对梦境怀有浓厚的好奇心。当清晨的阳光透过窗棂洒进房间，你是否曾在醒来后，静静思索为何梦境总是奇幻莫测？夜晚的大脑如何编织这些虚幻画面？它们对我们的健康有何作用？梦境真的不可或缺吗？
过去几十年里，科学家们极大地推动了对清醒意识的研究，但梦的实证研究仍然模糊且充满挑战。与其他人类意识经验的研究类似，我们本就难以对梦进行客观观察，梦境看似杂乱无章的内容结构更是雪上加霜。然而，梦的实证科学研究绝非徒劳无益。我们在此借助雷明顿·马利特（Remington Mallett）等人的研究，带你了解梦境研究的历史局限，以及新的方法论是如何克服这些局限性，并有望开创梦科学的新纪元。
梦境的研究面临的一大困扰，便是如何有效地观察它。如今，神经解码和实时报告能够更直接地测量梦的内容；梦境加工、定向刺激和清明梦（lucid dreaming）技术使梦境操控成为可能；而计算分析与梦境大数据库的建立，则为识别梦境模式提供了强大支持（图1）。这些创新使研究人员能够系统地观察、加工和分析梦境，预示着梦境科学进入了一个新纪元。
01 梦境研究的历史
20世纪50年代中期至60年代，随着脑电图（EEG）技术的进步和快速眼动睡眠（REM）的发现，梦境研究的文献激增[1]。这一时期的研究将梦与快速眼动睡眠建立了强相关联系[2]，强调行为主义对客观测量的关注，并作为论据支持了“梦境只存在于快速眼动睡眠阶段”的观点。然而，经验取样方法（如连续觉醒范式[3,4]）的引入拓展了我们的认识，揭示出更广泛的与睡眠相关的心智状态，从而超越了传统的梦的叙事。
▷图1. 梦境研究的三大方向：可观察梦境（通过实时观测和交互技术研究梦）、梦境工程（设计和调控梦境内容）和计算梦境分析（利用大数据和自然语言处理解析梦境）。图源：Mallett et al.
这一转变将客观测量与主观体验相结合，让我们对梦境有了更细致的理解，意识到整晚上不同睡眠阶段中体验的多样性，也影响了梦的分类学的发展，这是迈向梦的统一理论的关键一步。例如，一个著名的概念模型在叙事梦（模拟现实世界的时空环境）与其他最小睡眠状态（如催眠意象）之间作出区分[5,6]。因此，尽管人们普遍认为睡眠是做梦的必要条件，却并不总认为睡眠是做梦的充分条件。
梦境存在种种复杂性，但本文中所强调的方法论在很大程度上与梦境体验的具体性质无关。相反，这些方法旨在观察、操纵和量化睡眠中的各种体验，它们对推动此类理论框架的发展以及检验由此得出的假设至关重要。因此，在本文中，我们将梦宽泛地定义为睡眠（一种具有独特电生理特征的可逆的行为静止状态）中的有意识体验[7,8]，这一定义涵盖了细节丰富的叙事梦、基本的感知思维等各个方面。其包容性有助于我们进一步探索和完善对梦的理解，支持梦的科学在经验和理论上的进步。
02 后睡眠回忆的局限性与可观察梦境
睡醒之后，你还记得自己做过什么梦吗？这种无法直接观察梦境的现象[10]是对梦进行全面科学研究所要面临的根本挑战。目前的研究通常依赖于回溯性梦境报告，这一方法面临许多问题。
首先，梦境的生成到报告需经过多个复杂的认知过程，每一步都可能导致潜在信息损失（图2）。梦境产生与梦境报告跨越不同状态，尽管我们有理由相信梦境报告的有效性[11]，但回溯记忆的建构性及其易失真甚或完全遗忘的特性[12]，对梦境报告的可靠性造成了根本性限制[13]。
其次，人格特质与其他情境因素也会影响梦境回忆的可靠性[16]。当然，这些问题并非为梦的研究所独有。白日梦、走神以及其他清醒意识状态的研究也依赖于主观报告，但梦境报告中，这些问题更加严重。然而，神经影像学的进步带来了一些创新方法，尤其是神经内容解码（content decoding）和实时报告（real-time report）可以补充觉醒后的梦境回溯，并纠正伴随的记忆错误。
▷图2. 梦的回忆过程。回忆一个梦的复杂过程涉及多个认知步骤，每个步骤都有可能通过增加积累的信息丢失来降低最终梦报告的可靠性。
（1）神经内容解码
神经解码的发展让科学家能够更有效地通过神经成像数据的模式，分类或重建人们观看或想象特定刺激时的大脑活动。一项开创性的 fMRI 研究就是利用这种方法，从觉醒状态观看物体时收集到的神经模式中识别出梦境中可能出现的物体[17]。然而，当fMRI应用于睡眠研究，尤其是对快速眼动睡眠的研究时，噪音和不适等内在因素仍会影响实验结果[18]。
一项最新的进展是将多导睡眠监测（polysomnography）应用于梦境解码。最近的突破揭示了如何利用脑电图追踪得出的神经模式来解码所报告梦境内容的认知特征。具体来说，梦境报告中的面孔和位置与颞枕部和顶叶电极部位的高振荡活动量直接相关[19]，这与觉醒时的知觉体验的神经相关物相吻合。梦境报告中的愤怒程度也与额叶振荡活动的可测量脑电图模式相对应[20]。
除脑电图外，其他睡眠生理测量也能揭示梦的内容。比如肌电图（electromyography，EMG，图3）对面部肌肉轻微抽搐的测量结果显示，梦境的情感内容与梦醒后的报告相吻合[21]。同样，当梦境中出现言语回溯时，言语肌肉的肌电图活动也会先于觉醒[22,23]。快速眼动睡眠中的眼球运动模式与觉醒状态下场景知觉中的眼球运动模式一致[24]，并反映出做梦者在梦中注视方向的一部分对应关系。[25,26]。虽然直接的实验验证还很少[32,33]，但这种 “梦的行动化 ”可能是观察梦的一种可行方法[34]。
然而，通过神经解码观察梦境存在一些局限性，尤其是模型验证对回溯记忆的准确性的依赖性。也许这一局限性能够通过提高数据质量缓解[35]，如结合现象学报告训练以获得更详细、更精确的描述等。当然，对回溯记忆的依赖仍然是一个主要障碍。
▷图3. 肌电图（EMG）是一种诊断测试，用于评估骨骼肌和控制它们的神经的健康和功能。图源：Cleveland Clinic官网
（2）实时报告
神经解码旨在解码梦的自发内容，而实时报告则使用相同的睡眠监测方式解码做梦者有意传递的信息，既保留了第一人称视角，又避免了回溯回忆中固有的谬误。这种方法通常会利用清醒梦（lucid dream），在这种状态下，做梦者能意识到梦境的发生，并且能在梦境中执行预定的行动[36]。在典型的实时梦境报告研究中，参与者在入睡前会被指示在做梦时做出特定的眼球运动或面部表情[37]。这样，当在梦中做出这些动作时，眼电图（electrooculography）和肌电图通道就能捕捉到与清醒时同样清晰的信号（图4）。
实时报告使得研究者可以对梦进行基于事件的神经分析。在做梦者即将执行复杂行为（如跳绳）之前，实时发送信号，该信号可作为基于事件的神经分析的时间印章（图4）。该策略已在多项课题发挥作用，包括清醒状态的神经相关物、做梦与觉醒的神经系统的相似性[38, 39]、以及评估做梦与觉醒中的时间意识 [40]。与之相比，回溯性的梦境报告很难确定梦中行为或事件的时间，因此无法研究特定梦境事件的神经相关物。
▷图4. 多导睡眠描记术（PSG）的各个组件和它们对梦的客观观察。图源：Mallett et al.
实时梦境报告的最新扩展是互动梦境（interactive dreaming），即让清醒梦者在睡眠中能发送信息和接收信息[41,42]。在参与者发出表示自己清醒的信号后，研究人员通过言语、触觉或摩斯密码向他们提出简单的数学问题和 “是 ”与 “否 ”的问题[41]。参与者能听到问题，并通过眼球的水平运动或肌肉抽搐提供正确答案。
梦境内容的实时报告是一项很有前景的技术，但目前还面临成功率低、人群样本偏差等问题。自然发生的清醒梦[43]少之又少，诱发清醒梦也困难重重[44] ，使得这些研究往往需要特定的纳入标准，例如，参与者必须是嗜睡者或经常做清醒梦。这限制了样本容量，降低了此类研究的有效性和可普遍性。
03 借助梦境加工测试因果性
梦境研究面临的另一个挑战是无法可靠地控制和操纵梦境内容，这一制约因素往往会限制实验的设计和因果推理[45]。心智活动即使在清醒状态下也是累积性的，当前的内容多少会受到先前内容的影响[46]。觉醒与睡眠之间的连续性也是如此，睡前的认知会影响梦境内容[47]，只是影响有限。睡前受到的刺激，如阅读材料[48]、电影、视频游戏[49]和虚拟现实[50]都会对梦境产生影响。然而，睡前暴露的可靠性及其对盲试的限制一直是令人担忧的问题。
传统的梦境加工方法是让所有参与者都暴露于刺激物，并根据将刺激物纳入梦境的参与者分析结果。但这种方法因潜在的混杂变量而受到质疑[51]。此类实验通常会受到基线表现变化和不可控变量的影响，使研究员难以破译刺激物对梦境的直接因果影响[52]。通过系统性刺激（systematic stimulation）和清醒（lucidity）进行梦境加工旨在通过增强对梦境频率和特殊内容的操纵克服这一障碍[53]。
（1）通过系统刺激加工梦境
人在睡眠状态依然会持续处理感觉信息[54]，这使得视觉、听觉、嗅觉或触觉线索的出现能够影响正在进行的心智内容。梦境加工（Dream-engineering）利用感觉刺激，以高度针对性的方式操控梦境内容。目标记忆再激活（targeted memory reactivation）是当前十分受欢迎的策略，这一策略旨在研究睡眠在记忆加工中的因果作用[55,56]。在这一策略中，入睡前的基于常识或随机关联的刺激会出现在睡眠过程中，从而影响梦境内容。
一项关于感觉刺激对梦的影响的早期测试表明，睡眠过程中受到愉悦或不适的气味刺激的参与者，其梦境回忆会相应地包含更强烈的积极或消极情绪 [57]。随后的研究表明，入睡前将气味与特定刺激相关联能更有针对性地激活梦境内容。例如将气味与城市景观配对，当气味在睡眠中再次出现时，会诱发更多与城市相关的梦境[58]。
目标记忆再激活线索也会影响梦中的高阶认知与复杂的行为加工，入睡前与自我反思的心智状态相关联的光线和声音线索会诱发清醒梦[59]。不仅入睡前的沉浸式虚拟现实飞行任务会刺激实验室小憩中的飞行梦[49]（图5），同一任务的目标记忆再激活也会促进与梦境滞后效应（dream-lag effect）一致的任务相关的梦境内容[60]。操纵梦境内容可以测试其对后续觉醒行为的影响。例如，通过有针对性的梦境培育[61] 增加与树有关的梦境数量，可以提高在清醒状态下与树有关的创造活动的表现[62]。
▷图5. 利用感官刺激来设计飞行的梦。在实验室中，研究者通过虚拟现实和声音提示诱导参与者的梦境内容，随后在自然睡眠环境中测试其梦境记忆的形成与保留。图源：Mallett et al.
除感觉刺激策略外，最近的研究还表明，其他形式的非侵入性脑电波刺激也可以加工出特定的梦境内容。如同经颅直流电刺激（transcranial direct current stimulation）作用于感觉运动皮层会对运动动作和意象产生影响，在做梦时进行同样的刺激也会影响梦中报告的运动活动量。经颅直流电刺激应用于顶叶皮质会影响梦境中的视觉内容[65]，应用于前额叶皮质则会影响做梦时的清醒程度[66]。使用经颅交变刺激（transcranial alternating current stimulation）能够提高梦的自我意识水平[67,68]。
尽管最近的研究表明，梦境可以受到外部刺激的影响，但这种方法的可靠性和一致性仍然存在争议[69]。刺激与梦境结合的时间、刺激模态、先在的刺激联想，以及刺激与梦境内容的融合等因素都可能对上述方法的可靠性产生影响。此外，准确识别刺激与梦境内容之间的系统性关联依赖于对梦境规则的透彻理解，对梦境内容的准确观察，同时也要考虑潜在的遥远语义关系。
（2）借助清醒梦加工梦境
施加外部刺激并非加工梦境内容的唯一方法。招募频繁做清醒梦的参与者[43]并诱导清醒梦[44]也是诱发特定梦境内容的常用方法。
做清醒梦的人可以回忆起并详细执行睡前分配给他们的高度复杂的任务。例如，在一项研究中，研究人员想要更好地了解觉醒和做梦时的知觉有何不同，他们要求参与者用自己的手画圈，并用眼睛追踪运动轨迹[70]。他们要求参与者三次重复上述行为：一次是清醒时保持眼睛张开，一次是清醒时闭眼，还有一次是在清醒梦中。当做梦者在梦中视觉追踪移动目标时，他们平滑的眼球运动类似于知觉中的运动追踪，而预想的运动追踪。类似的觉醒与梦境对比还用于计数（测试时间感知的差异）、跳绳（测试梦中行为的自主神经反应）[38，71] 和握拳（测试梦中行为的神经控制），以及在梦中执行运动动作的行为结果，如练习飞镖[72] 或向杯中投掷硬币[73]。此类研究揭示了梦中练习带来的学习益处。
但与大多数关于清醒梦的研究一样，借助清醒加工梦境也不可避免地面临样本容量小且有偏差的局限性，从而限制了研究结果的可普遍性。如果有可靠的诱发清醒梦的方法，这些问题就可能在未来得到解决。
▷图6. Yuta Senzai 等人对小鼠在REM睡眠期间快速眼球运动的方向和幅度的观察方法示意。图片来源：Yuta Senzai & Massimo Scanziani, doi:10.1126/science.abp8852.
04 借助计算梦境分析确定梦境内容模式
梦境的叙事结构比觉醒状态下的走神更多样且约束更少[74]，这使得阐明梦境内容的潜在系统性结构变得尤为困难。迄今为止，对梦境内容的描述大多来自在实验室和调查环境中收集的梦境资料。但这两种方法都受到样本容量和生态有效性（ecological validity）的限制。实验室环境对梦境的巨大影响使得在实验室环境中收集到的梦境很难代表自然状态下的梦境[75]。
此外，调查研究很可能受到回应偏差和需求特征（demand characteristics）的影响。传统上，从书写下来的梦境报告中提取意义是通过人工评分完成的，这种方法也难以拓展，而且容易受到评分者偏好的影响。因此，在实验室中通过人工评分所获得的对梦境的理解是有限的。计算梦境分析通过将大数据与可扩展的计算方法（如自然语言分析）相结合，完善了上述人工评分的方法。这些策略已经为揭示梦境带来曙光，并为更加富有成效的研究指明了方向。
（1）借助大数据分析梦境
大数据为克服传统梦境研究的局限性提供了新的契机。通过分析网络上或现有梦境数据库中公开的大量自然梦境报告 [76,77]，研究人员可以发现较小的实验室样本无法侦测出的梦境模式和洞见。例如，将这些梦境报告的词汇频率和其他语言特性与觉醒的对照文本（如新闻报道）进行比较，可以发现梦境报告独特的语言特征[78-82]。在大数据的帮助下，人们可以研究一个人数月或数年的梦境报告，这样就能直接测试觉醒时的经历是如何随着时间的推移被纳入梦境的[83,84] 。公共梦境分享网站和论坛上的数字追踪数据[85]还具有更多优势，如生态有效性，人群多样性和时间精确性。例如，通过挖掘公共梦境档案，可以观察文化事件对特定人群的梦境的影响[86]。
当然，梦境报告大数据库虽然很有价值，但也有自己的局限性。例如，从单一社交媒体网站收集的数字追踪数据集只包含特定用户群体的梦境。在公共平台上分享的梦境报告可能会偏向于更容易被社会接受或分享的梦境，而不包括私密细节（如性内容）。此外，还存在编造或美化梦境报告的可能性，分享者可能有意夸张梦境的刻板或幽默成分，以提高其社交有效性。此类大数据库还可能偏重于自然回忆起的快速眼动梦境。
相比之下，在实验室环境中进行的连续觉醒研究则涵盖了更广泛的梦境类型，尤其是通过直接唤醒获得的非快速眼动阶段的梦境。虽然大数据库能推动梦的科学的发展，但必须承认其缺陷，并用其他方法加以补充。
（2）借助自然语言加工分析梦境
研究人员也会利用其他领域的计算语言工具分析梦境大数据集 [88]。此前的霍尔-范德卡斯尔系统（Hall and Van de Castle system）需要借助人工将梦境报告编码成定量变量[89,90]，这一费力的过程缺乏可扩展性。最近的方法利用单词搜索[76,83,91-94]和自定义语言分析通道[84,93,94]实现了编码自动化，为分析梦境大数据提供了切实可行的方案。一个重要的进步是新型计算语言工具不仅能对梦境报告进行词语搜索，还能测量梦境中的创造力水平[62]或提取梦境涉及的关键人物和地点[84,100,101]。
另一种卓有成效的方法是应用结构图谱分析，或检查文本数据中的网络模式。这种技术可以量化结构属性，如词语重复和词汇多样性。图谱度量已被用于区分不同睡眠阶段的梦境[102]，从而为了解心智体验的神经相关物提供深刻见解。这些测量还能预测未来出现精神疾病的可能性，甚至在诊断精神分裂症[106]、双相情感障碍[107]和强迫症[108]时能够提供觉醒报告之外的预测力。
无监督分析（unsupervised analyses）对于探索梦的多面性尤为有益。数据驱动方法允许研究人员以开放式的方法深入研究大数据集，从而揭示出并非显而易见的模式和见解。例如，最近的研究将计算方法应用于社交媒体中的梦境，观察梦境的共同内容和时间变化与全球性事件的相关性[86]，而非基于已有的文献检索特定的梦境主题。Reddit对围绕俄乌战争爆发的帖子进行了过滤，使其只包括梦的内容，主题建模揭示出与战争相关的梦境主题有所增加。这些新见解揭示了我们在理解梦的内容构成及其与清醒事件和行为的关系方面取得的重要进展。
然而，与语言心理学的其他领域一样，梦境报告的计算分析也受到自然语言处理工具的限制。梦境报告通常很简洁， 这些工具只有在文本中包含情绪内容的情况下才能提取准确的情绪测量值。此外，在文本中检测复杂认知现象的准确性仍是一个有争议的问题。而且，典型的梦境报告很少能提供完整的梦境描述，在实验室外收集的梦境报告通常只包括简短的片段。
值得庆幸的是，我们在客观识别其他媒体（如图像和音频）特征方面取得了最新进展，表明我们有可能将类似的方法应用于通过这些媒体收集的梦境报告中，因此有可能捕捉到那些难以表达的梦境元素。
05 仍待解决的问题
1.清醒与梦境两种状态间是否存在神经转换？当前解码梦境的方法依赖于基于清醒行为训练的模型来解码梦中的行为，其适用性仍待验证。
2.使用目标记忆再激活（TMR）影响梦境内容的精确度能达到多高？除了影响梦境的情感或背景，播放特定声音是否能让参与者在梦中看到完全相同的物体、场景或完成复杂行为？
3.对未经训练的普通人中，清醒梦能被多可靠地诱导？清醒梦在探索和应用方面的巨大潜力地兑现将取决于开发更可靠的诱导方法。
4.多模态梦境报告能否揭示更详细的梦境现象？ 目前梦境科学主要依赖文本报告，但梦中那些“难以言喻”的特质或许可以通过绘画等非语言形式来捕捉。
5.梦境工程是否会影响被遗忘的梦？梦境工程对未被回忆的梦境及其认知和情感的影响仍是未被探索的领域。
6.如何评估梦境的内容整合程度？ 由于梦的本质是主观且多变的，很难定义“包含程度”的标准。因此，需要建立更清晰的定义和评估框架，以便更系统地研究清醒体验如何影响梦境内容。
7.清醒梦研究的结果是否适用于非清醒梦？ 清醒梦是一种操控梦境内容的有效方法，但这些研究在多大程度上适用于非清醒梦仍不明确。
8.实验后，梦境会受到多长时间的影响？
9.EEG能否实现对项目级梦境内容的精确解码？这一可能性也许会取决于利用EEG数据进行神经计算视觉建模的发展，而这项技术正在迅速提高。
10.如何利用大型语言模型推动梦境科学的发展？ 如同其他领域一样，梦境科学也期待着基于人工智能带来的新发现和方法的涌现。
06 结语
梦的科学研究在方法论上充满挑战。然而，得益于一系列开创性的跨学科创新，梦的科学研究有望在未来取得成功。梦境观察、梦境加工与计算工具梦境分析三个方法论框架取得的突破不仅致力于解决梦的科学研究面临的不同局限，还具有协同应用的潜力。
梦境不再是未知的黑箱。最新的研究让学界进一步理解了睡眠与大脑功能，使我们能够测量和操纵更多的参数来揭示梦境的秘密。历史上，大多数科学家对严格研究梦的可行性持保留态度。这种怀疑态度曾一度根深蒂固，直到当代的研究方法对此造成挑战。我们乐观地认为，该领域的认知科学家可以为梦境科学的发展做出卓有成效的贡献，并有望攻克人类最核心的谜题之一。对所有受梦境吸引的科学家来说，现在正是追寻答案的好时候。
原始论文：Mallett, Remington, et al. "New strategies for the cognitive science of dreaming." Trends in Cognitive Sciences (2024).
参考文献
1.Nielsen TA, Germain A. Publication patterns in dream research: trends in the medical and psychological literatures. Dreaming. 1998;8:47-58.
2.Aserinsky E, Kleitman N. Regularly occurring periods of eye motility, and concomitant phenomena, during sleep. Science. 1953;118:273-274.
3.Siclari F, Bernardi G, Cataldi J, Tononi G. Assessing sleep consciousness within subjects using a serial awakening paradigm. Front Psychol. 2013;4:542.
4.Picard-Deland C, Nielsen T. The memory sources of dreams: serial awakenings across sleep stages and time of night. Sleep. 2023;46:zsac292.
5.Windt JM. The immersive spatiotemporal hallucination model of dreaming. Phenomenol Cogn Sci. 2010;9:295-316.
6.Windt JM. Consciousness in sleep: how findings from sleep and dream research challenge our understanding of sleep, waking, and consciousness. Philos Compass. 2020;15:e12661.
7.Siclari F, Valli K, Arnulf I. Dreams and nightmares in healthy adults and in patients with sleep and neurological disorders. Lancet Neurol. 2020;19:849-859.
8.Tononi G, Boly M, Massimini M. Consciousness and sleep. Neuron. 2024;112:1568-1594.
9.Silber MH, Ancoli-Israel S, Bonnet MH, et al. The visual scoring of sleep in adults. J Clin Sleep Med. 2007;3:121-131.
10.Dennett DC. Are dreams experiences? Philos Rev. 1976;85:151-171.
11.Windt JM. Reporting dream experience: why (not) to be skeptical about dream reports. Front Hum Neurosci. 2013;7:708.
12.Schacter DL. The seven sins of memory: an update. Memory. 2022;30:37-42.
13.Rosen MG. What I make up when I wake up: anti-experience views and narrative fabrication of dreams. Front Psychol. 2013;4:514.
14.Schredl M, Ciric P, Götz S, Wittmann L. Voice-recorded vs. written dream reports: a research note. Int J Dream Res. 2019;12:138-140.
15.Nemeth G. The route to recall a dream: theoretical considerations and methodological implications. Psychol Res. 2023;87:964-987.
16.Vallat R, Megevand P, Castelnovo A, et al. Hard to wake up? The cerebral correlates of sleep inertia assessed using combined behavioral, EEG and fMRI measures. NeuroImage. 2019;184:266-278.
17.Horikawa T, Tamaki M, Miyawaki Y, Kamitani Y. Neural decoding of visual imagery during sleep. Science. 2013;340:639-642.
18.Moehlman TM, Whitmore NW, Banks JM, et al. All-night functional magnetic resonance imaging sleep studies. J Neurosci Methods. 2019;316:83-98.
19.Siclari F, LaRocque JJ, Bernardi G, et al. The neural correlates of dreaming. Nat Neurosci. 2017;20:872-878.
20.Sikka P, Valli K, Virta T, Revonsuo A. EEG frontal alpha asymmetry and dream affect: alpha oscillations over the right frontal cortex during REM sleep and presleep wakefulness predict anger in REM sleep dreams. J Neurosci. 2019;39:4775-4784.
21.Rivera-García AP, García-Molina ML, Solis-Camara P, García-Martínez S. Emotional facial expressions during REM sleep dreams. J Sleep Res. 2019;28:e12716.
22.McGuigan FJ, Tanner RG. Covert oral behavior during conversational and visual dreams. Psychon Sci. 1971;23:263-264.
23.Shimizu A, Inoue T. Dreamed speech and speech muscle activity. Psychophysiology. 1986;23:210-214.
24.Andrillon T, Nir Y, Cirelli C, Tononi G. Single-neuron activity and eye movements during human REM sleep and awake vision. Nat Commun. 2015;6:7884.
25.Hong CC-H, Frontera JA, García PS. Rapid eye movements in sleep furnish a unique probe into consciousness. Front Psychol. 2018;9:2087.
26.Senzai Y, Scanziani M. A cognitive process occurring during sleep is revealed by rapid eye movements. Science. 2022;377:999-1004.
27.Clé M, Sánchez J, Richard L, et al. Smiling asleep: a study of happy emotional expressions during adult sleep. J Sleep Res. 2019;28:e12814.
28.Leclair-Visonneau L, Oudiette D, Gaymard B, et al. Do the eyes scan dream images during rapid eye movement sleep? Evidence from the rapid eye movement sleep behaviour disorder model. Brain. 2010;133:1737-1746.
29.Maranci J-B, Arnulf I, Vidailhet M, Leu-Semenescu S. Eye movement patterns correlate with overt emotional behaviours in rapid eye movement sleep. Sci Rep. 2022;12:1770.
30.Masset L, Cochen De Cock V, Arnulf I, et al. The dynamics of emotional behaviors in rapid eye movement sleep. Sleep. 2023;46:zsac285.
31.Rivera-García AP, García-Molina ML, Solis-Camara P, García-Martínez S. Facial muscle activation during sleep and its relation to the rapid eye movements of REM sleep. J Sleep Res. 2011;20:82-91.
32.Blumberg MS, Plumeau AM. A new view of 'dream enactment' in REM sleep behavior disorder. Sleep Med Rev. 2016;30:34-42.
33.Valli K, Revonsuo A, Pälkäs O, et al. Can observers link dream content to behaviours in rapid eye movement sleep behaviour disorder? A cross-sectional experimental pilot study. J Sleep Res. 2012;21:21-29.
34.Arnulf I. RBD: a window into the dreaming process. In: Schenck CH, Arnulf I, Högl B, eds. Rapid-Eye-Movement Sleep Behavior Disorder. Springer International; 2019:223-242.
35.Solomonova E, Nielsen TA, Windt JM. Methodological considerations for the neurophenomenology of dreaming: commentary on Windt's 'Reporting dream experience'. Front Hum Neurosci. 2014;8:317.
36.Mallett R, Stumbrys T, Erlacher D. Exploring the range of reported dream lucidity. Philos Mind Sci. 2021;2:1-23.
37.Baird B, Mota NB, Voss U. The cognitive neuroscience of lucid dreaming. Neurosci Biobehav Rev. 2019;100:305-323.
38.Dresler M, Wehrle R, Spoormaker VI, et al. Dreamed movement elicits activation in the sensorimotor cortex. Curr Biol. 2011;21:1833-1837.
39.Erlacher D, Schredl M. Cardiovascular responses to dreamed physical exercise during REM lucid dreaming. Dreaming. 2008;18:112-121.
40.Erlacher D, Stumbrys T, Schredl M. Time for actions in lucid dreams: effects of task modality, length, and complexity. Front Psychol. 2014;4:1013.
41.Konkoly KR, Appel K, Berkes M, et al. Real-time dialogue between experimenters and dreamers during REM sleep. Curr Biol. 2021;31:1417-1427.
42.Türker B, Güler M, Ramsoy T, et al. Behavioral and brain responses to verbal stimuli reveal transient periods of cognitive integration of the external world during sleep. Nat Neurosci. 2023;26:1981-1993.
43.Saunders DT, Roe CA, Smith G, et al. Lucid dreaming incidence: a quality effects meta-analysis of 50 years of research. Conscious Cogn. 2016;43:197-215.
44.Tan S, Fan J. A systematic review of new empirical data on lucid dream induction techniques. J Sleep Res. 2023;32:e13786.
45.Rechtschaffen A. The single-mindedness and isolation of dreams. Sleep. 1978;1:97-109.
46.Honey CJ, Newman MEJ, Barabási AL, et al. Psychological momentum. Curr Dir Psychol Sci. 2023;32:284-292.
47.Wang J, Feng X. The priming effect of presleep conscious thoughts on dreams. Dreaming. 2024;34:99-105.
48.Erlacher D, Stumbrys T. Wake up, work on dreams, back to bed and lucid dream: a sleep laboratory study. Front Psychol. 2020;11:1383.
49.Picard-Deland C, Nielsen TA. Flying dreams stimulated by an immersive virtual reality task. Conscious Cogn. 2020;83:102958.
50.Gott J, André A, Berkes M, et al. Virtual reality training of lucid dreaming. Philos Trans R Soc B Biol Sci. 2021;376:20190697.
51.Hudachek L, Wamsley EJ. A meta-analysis of the relation between dream content and memory consolidation. Sleep. 2023;46:zsad111.
52.Wamsley EJ, Stickgold R. Dreaming of a learning task is associated with enhanced memory consolidation: replication in an overnight sleep study. J Sleep Res. 2019;28:e12749.
53.Carr M, Solomonova E, Horton K. Dream engineering: simulating worlds through sensory stimulation. Conscious Cogn. 2020;83:102955.
54.Andrillon T, Kouider S. The vigilant sleeper: neural mechanisms of sensory (de)coupling during sleep. Curr Opin Physiol. 2020;15:47-59.
55.Hu X, Cai H, Shen J, et al. Promoting memory consolidation during sleep: a meta-analysis of targeted memory reactivation. Psychol Bull. 2020;146:218-244.
56.Paller KA, Marshall L, Schabus M. Memory and sleep: how sleep cognition can change the waking mind for the better. Annu Rev Psychol. 2021;72:123-150.
57.Schredl M, Piel E, Böske C, et al. Information processing during sleep: the effect of olfactory stimuli on dream content and dream emotions. J Sleep Res. 2009;18:285-290.
58.Schredl M, Erlacher D, Stumbrys T. Olfactory stimulation during sleep can reactivate odor-associated images. Chemosens Percept. 2014;7:140-146.
59.Carr M, Appel K, Wamsley EJ. Combining presleep cognitive training and REM-sleep stimulation in a laboratory morning nap for lucid dream induction. Psychol Conscious Theory Res Pract. 2023;10:413-430.
60.Picard-Deland C, Nielsen T. Targeted memory reactivation has a sleep stage-specific delayed effect on dream content. J Sleep Res. 2022;31:e13391.
61.Horowitz AH, Zielinski T, Banks JM, et al. Dormio: a targeted dream incubation device. Conscious Cogn. 2020;83:102938.
62.Horowitz AH, Zielinski T, Banks JM, et al. Targeted dream incubation at sleep onset increases post-sleep creative performance. Sci Rep. 2023;13:7319.
63.Noreika V, Noreikaite V, Sikka P, et al. Modulating dream experience: noninvasive brain stimulation over the sensorimotor cortex reduces dream movement. Sci Rep. 2020;10:6735.
64.Speth J, Speth C. Motor imagery in REM sleep is increased by transcranial direct current stimulation of the left motor cortex (C3). Neuropsychologia. 2016;86:57-65.
65.Jakobson AJ, Noreika V, Nielsen TA, et al. Induction of visual dream reports after transcranial direct current stimulation (tDCS) during Stage 2 sleep. J Sleep Res. 2012;21:369-379.
66.Stumbrys T, Erlacher D, Schredl M. Testing the involvement of the prefrontal cortex in lucid dreaming: a tDCS study. Conscious Cogn. 2013;22:1214-1222.
67.Voss U, Holzmann R, Hobson A, et al. Induction of self-awareness in dreams through frontal low current stimulation of gamma activity. Nat Neurosci. 2014;17:810-812.
68.Blanchette-Carrière C, Simard V, Nielsen TA. Attempted induction of signalled lucid dreaming by transcranial alternating current stimulation. Conscious Cogn. 2020;83:102957.
69.Salvesen L, Nielsen T, Solomonova E, et al. Influencing dreams through sensory stimulation: a systematic review. Sleep Med Rev. 2024;74:101908.
70.LaBerge S, Levitan L, Dement WC. Smooth tracking of visual targets distinguishes lucid REM sleep dreaming and waking perception from imagination. Nat Commun. 2018;9:3298.
71.Erlacher D, Schredl M, Dresler M. Motor area activation during dreamed hand clenching: a pilot study on EEG alpha band. Sleep Hypn. 2003;5:182-187.
72.Schädlich M, Erlacher D, Schredl M. Improvement of darts performance following lucid dream practice depends on the number of distractions while rehearsing within the dream: a sleep laboratory pilot study. J Sports Sci. 2017;35:2365-2372.
73.Erlacher D, Schredl M. Practicing a motor task in a lucid dream enhances subsequent performance: a pilot study. Sport Psychol. 2010;24:157-167.
74.Mallett R, Stumbrys T, Erlacher D. Cognitive control and semantic thought variability across sleep and wakefulness. PsyArXiv. Published online March 14, 2023. https://doi.org/10.31234/osf.io/k8mnc.
75.Picard-Deland C, Nielsen T. Dreaming of the sleep lab. PLoS One. 2021;16:e0257738.
76.Bulkeley K. Digital dream analysis: a revised method. Conscious Cogn. 2014;29:159-170.
77.Domhoff GW, Schneider A. Studying dream content using the archive and search engine on DreamBank.net. Conscious Cogn. 2008;17:1238-1247.
78.Bulkeley K, Graves M. Using the LIWC program to study dreams. Dreaming. 2018;28:43-58.
79.Hawkins RC II, Boyd RL. Such stuff as dreams are made on: dream language, LIWC norms, and personality correlates. Dreaming. 2017;27:102-121.
80.McNamara P, Pace-Schott EF, DeFronzo M. Dream content analysis using artificial intelligence. Int J Dream Res. 2019;12:42-52.
81.Niederhoffer K, Schwartz S, Silberschatz G, et al. In your wildest dreams: the language and psychological features of dreams. In: Proceedings of the Fourth Workshop on Computational Linguistics and Clinical Psychology – From Linguistic Signal to Clinical Reality. Association for Computational Linguistics; 2017:13-25.
82.Zheng X, Schweickert R. Differentiating dreaming and waking reports with automatic text analysis and support vector machines. Conscious Cogn. 2023;107:103439.
83.Bulkeley K, Domhoff GW. Detecting meaning in dream reports: an extension of a word search approach. Dreaming. 2010;20:77-95.
84.Fogli A, Bulkeley K, Schutz A. Our dreams, our selves: automatic analysis of dream reports. R Soc Open Sci. 2020;7:200402.
85.Lazer D, Pentland A, Adamic L, et al. Meaningful measures of human society in the twenty-first century. Nature. 2021;595:189-196.
86.Das A, Sinha R, Kumar P. Dream content discovery from Reddit with an unsupervised mixed-method approach. ArXiv. Published online July 9, 2023. https://doi.org/10.48550/arXiv.2307.04167.
87.Sanz C, Marcus J, Schwartz S, et al. The experience elicited by hallucinogens presents the highest similarity to dreaming within a large database of psychoactive substance reports. Front Neurosci. 2018;12:7.
88.Elce V, McNamara P, Norton D. The language of dreams: application of linguistics-based approaches for the automated analysis of dream experiences. Clocks Sleep. 2021;3:495-514.
89.Domhoff GW. New directions in the study of dream content using the Hall and Van de Castle coding system. Dreaming. 1999;9:115-137.
90.Hall CS, Van de Castle RL. The Content Analysis of Dreams. Appleton-Century-Crofts; 1966.
91.Bulkeley K. Seeking patterns in dream content: a systematic approach to word searches. Conscious Cogn. 2009;18:905-916.
92.Hawkins RC II. Measurement of dreams by SCORS and LIWC: prelude to dreamwork in psychotherapy. Dreaming. 2022;32:52-62.
93.Wong C, Schmidt C, Domhoff GW. Automatic gender detection of dream reports: a promising approach. Conscious Cogn. 2016;44:20-28.
94.Zheng X, Schweickert R. Comparing Hall Van de Castle coding and Linguistic Inquiry and Word Count using canonical correlation analysis. Dreaming. 2021;31:207-224.
95.Manna R, Schmidt K, Kumar S, et al. Gender detection and stylistic differences and similarities between males and females in a dream tales blog. In: Proceedings of the Sixth Italian Conference on Computational Linguistics. CEUR Workshop Proceedings; 2019:1-7.
96.Crowley MD, Schmidt C, Brown J. Text analysis of veteran nightmare scripts in a cognitive-behavioral nightmare treatment. Dreaming. 2022;32:269-280.
97.Meador C, Domhoff GW, Solomonova E. Implications of cognitive-oriented language within posttrauma nightmare narratives. Appl Cogn Psychol. 2022;36:864-873.
98.Paquet CB, Solomonova E, Nielsen TA. Does nightmare rescription lead to meaningful changes in language use? An investigation within a treatment seeking sample with chronic post-trauma nightmares. Imagin Cogn Pers. 2022;42:87-105.
99.Paquet CB, Solomonova E, Nielsen TA. Implications of language use in posttraumatic nightmares on psychological symptoms. Psychol Trauma. 2024;16:312-320.
100.Gutman Music M, Plumeau AM, Blumberg MS. Mapping dreams in a computational space: a phrase-level model for analyzing fight/flight and other typical situations in dream reports. Conscious Cogn. 2022;106:103428.
101.Šćepanović S, McNamara P, Norton D. Epidemic dreams: dreaming about health during the COVID-19 pandemic. R Soc Open Sci. 2022;9:211080.
102.Martin JM, Pace-Schott EF, DeFronzo M, et al. Structural differences between REM and non-REM dream reports assessed by graph analysis. PLoS One. 2020;15:e0228903.
103.Mota NB, Copelli M, Ribeiro S. Speech graphs provide a quantitative measure of thought disorder in psychosis. PLoS One. 2012;7:e34928.
104.Mota NB, Copelli M, Ribeiro S. A naturalistic assessment of the organization of children's memories predicts cognitive functioning and reading ability. Mind Brain Educ. 2016;10:184-195.
105.Mota NB, Sigman M, Cecchi GA, et al. The maturation of speech structure in psychosis is resistant to formal education. NPJ Schizophr. 2018;4:25.
106.Mota NB, Copelli M, Ribeiro S, et al. Thought disorder measured as random speech structure classifies negative symptoms and schizophrenia diagnosis 6 months in advance. NPJ Schizophr. 2017;3:18.
107.Mota NB, Copelli M, Ribeiro S. Graph analysis of dream reports is especially informative about psychosis. Sci Rep. 2014;4:3691.
108.Gomes M, Pace-Schott EF, Blumberg MS. Speech graph analysis in obsessive-compulsive disorder: the relevance of dream reports. J Psychiatr Res. 2023;161:358-363.
109.Fox KCR, Nijeboer S, Solomonova E, et al. Dreaming as mind wandering: evidence from functional neuroimaging and first-person content reports. Front Hum Neurosci. 2013;7:412.
110.Scarpelli S, Bartolacci C, D'Atri A, et al. Dream recall upon awakening from non-rapid eye movement sleep in older adults: electrophysiological pattern and qualitative features. Brain Sci. 2020;10:343.
111.Vallat R, Megevand P, Castelnovo A, et al. Dream recall frequency is associated with medial prefrontal cortex white-matter density. Front Psychol. 2018;9:1856.
112.Spanò G, Solomonova E, Pace-Schott EF, et al. Dreaming with hippocampal damage. eLife. 2020;9:e56211.
113.Vallat R, Megevand P, Castelnovo A, et al. Brain functional connectivity upon awakening from sleep predicts interindividual differences in dream recall frequency. Sleep. 2020;43:zsaa116.
114.Sikka P, Valli K, Virta T, Revonsuo A. How you measure is what you get: differences in self- and external ratings of emotional experiences in home dreams. Am J Psychol. 2017;130:367-384.
115.Sikka P, Valli K, Virta T, Revonsuo A. I know how you felt last night, or do I? Self- and external ratings of emotions in REM sleep dreams. Conscious Cogn. 2014;25:51-66.
116.Romier A, Schwartz S, Ruby P, et al. Therapeutic management of nightmares: practice guide for imagery rehearsal therapy (IRT). Curr Sleep Med Rep. 2024;10:139-154.
117.Schwartz S, Perrin F, Bastuji H, et al. Enhancing imagery rehearsal therapy for nightmares with targeted memory reactivation. Curr Biol. 2022;32(22):4808-4816.
118.Ouchene R, Arnulf I, Schredl M, et al. The effectiveness of lucid dreaming therapy in patients with nightmares: a systematic review. L'Encéphale. 2023;49:525-531.
119.Mallett R, Saunders DT, Blagrove M. Benefits and concerns of seeking and experiencing lucid dreams: benefits are tied to successful induction and dream control. Sleep Adv. 2022;3:zpac027.
