能夠將人類大腦中浮現的畫面重現出來的技術原理是什麼? | 知乎問答精選

 

A-A+

能夠將人類大腦中浮現的畫面重現出來的技術原理是什麼?

2017年08月12日 知乎問答精選 暫無評論 閱讀 15 ℃ 次

【鏡亦非台的回答(262票)】:

感謝 @Frida Lee 和 @劉柯 的邀請。首先樓主給出的截圖來自UC Berkeley的Jack Gallant lab 2011年發到Current Biology的文章:Reconstructing Visual Experiences from Brain Activity Evoked by Natural Movies: Current Biology 網站上有他們的重建效果的視頻,感興趣的可以去看看(以防有些同學沒有閱讀權限,這裡附幾張視頻截圖)。

大家或許沒有想到,其實關於brain decoding的研究已經有不少(科學家就是在「偷偷摸摸」做大家看不到的事情),這些研究主要用machine learning的方法,開創性的研究在2001年由Haxby和同事完成, 他們利用fMRI結合machine learning的算法,實現了預測被試在MRI scanner中看到的是人臉還是房子,還是貓,還是鞋子... 2005年的時候Kamitani和Tong, 利用fMRI解碼出了被試看到的grating的方向,如下圖(其實沒有必要放這個圖,不過好像有個研究說相較於行為數據,人們更願意相信有大腦圖的結果,所以無論如何也得放個腦圖上來)

另外最近(2014)也有篇重建人臉(靜態) 的文章也很有趣:Neural portraits of perception: Reconstructing face images from evoked brain activity 可見這個重建brain image/representation的技術是逐漸發展的,並不是忽如一夜春風來的。因為brain decoding是很複雜也很有趣的課題,答主時間和水平有限不能展開講,所以接下來我就只針對性地回答一下樓主提到的這篇文章的原理。

如果樓主閱讀過原文的話,應該發現文章的大量篇幅其實是在自(炫)豪(耀)地講他們之前提出的一種新型的encoding model (編碼方法,有decoding自然也就有encoding)如何如何好,這種叫作motion-energy encoding model的方法(主要是用來model對運動物體的感知的)的特別之處呢在於克服了fMRI研究的一個局限:fMRI主要是以BOLD(blood oxygen level-dependent, 血氧依賴水平)信號來間接反映神經元信號的,fMRI分析的假設認為只要相應的神經元被激活了,BOLD信號就會開始增加,但是實際上它們並不同步,BOLD信號要比神經活動慢一些,比如說BOLD信號的peak點就比神經活動的peak點要慢6s左右。最常用的假設的BOLD信號模型如下圖1,我們可以看到神經活動大概過了6s後,BOLD的曲線才慢慢到達頂點。但是BOLD信號變化這麼滯後,怎麼能快速反映瞬息萬變的世間萬象和心理變化呢?這個問題深深地深深地困擾著很多fMRI研究者。所以這篇文章的算法解決了這個問題,「順便」重構了一下看電影片段時的fMRI信號來驗證,然後我們就被震驚啦,紛紛拜倒在大牛手下!

圖1(來自維基百科).

其實基本的過程就如樓上 @徐元直 所說,我這裡只是增加一些細節內容。作為machine learning的方法,首先他們需要training data,這裡的training data是觀看7200s的電影片段相對應的位於後側和腹側枕顳視覺皮層(posterior and ventral occipitotemporal visual cortex)的BOLD 信號,BOLD信號記錄下的是觀看電影時視覺皮層特定區域的整體活動,這樣是不能用來建立fMRI活動和視覺圖像的對應關係的,所以他們用了某種叫做nonlinear spatiotemporal motion-energy filter 的過濾器來提取圖像的特徵 (這裡叫filters,但是我感覺應該是特徵的意思), 比如位置,方向,空間,時間頻率啊這些,如圖2B 所示。然後再把這些特徵與BOLD信號(也就是圖2A中的Hemodynamic response)結合起來,每一個特徵對應一種特定的BOLD曲線(運用了L1-regularized linear regression的方法),把這些曲線合在一起就是預測的BOLD 信號。這裡是用training data得到的模型,然後他們又把這些模型用到540s電影(新的電影片段)的test data上面,拿預測的BOLD信號與實際的BOLD信號作比較從而判斷模型的準確性(通過計算兩者的相關性)。為了顯示自己模型的優越性,作者拿了另外兩個模型作比較,最後當然如我們所料,作者的模型「完勝」 (差異顯著啦!!)。

圖2.圖2.

前面大費周折說了那麼多,總結一下就是作者的encoding model是可以用來預測看natural movie時的BOLD信號的!

下面是大家比較感興趣的重建(reconstruction)過程, 所謂重建就是利用BOLD信號來重構圖像,傳統的fmri研究是刺激→BOLD信號這樣一個過程,重建就是反過來BOLD信號→刺激的過程,也就是傳說中的「讀心術」。重建的刺激是新的電影片段,BOLD信號來自視覺皮層。首先要說明一下這個重建並不是真的直接提取大腦信號來重建,而是先建立一個包羅眾多電影片段的數據庫(18 million second,5000小時),然後用上述的encoding model來建立新輸入的視覺刺激與BOLD信號之間的關係(predicted signal),通過比較預測的信號與實際測量的信號(被試在MRI scanner裡面躺了5000小時???)來對數據庫中的收錄的電影片段(1s)進行一個排名(圖3B),圖3C就是與站立人像的BOLD信號最接近的30副圖。所謂的解碼也就是在記錄被試看影像時的BOLD信號的同時,比對數據庫中已存的實際影像的BOLD信號,然後找出最接近的片段。圖4看起來更清楚,紅色方框裡就是所謂重構的圖像,按照接近程度進行排列,如果數據庫中的圖像和看到的圖像比較接近,解碼效果就比較好,反之,效果就比較差。樓主給的圖的右側看起來比較模糊,是因為那幅圖是100張圖平均的結果,並不是一幅圖,也就是圖4的AHP(averaged high posterior)。至此,重構過程也就完成了。2013年的時候,日本的學者發了一篇science用的是類似的方法來解夢,感興趣的可以移步看一下:Neural Decoding of Visual Imagery During Sleep

如果大家覺得這樣的黑科技出來,以後人類就沒有隱私了,因為我心裡想什麼就會被知道了(心理學的學生竊喜終於可以回答「你知道我心裡在想什麼嗎?」這個高深莫測的問題了)那就實在高估現在的技術水平了。首先MRI那麼昂貴笨重的機器在那裡,直接就限制了這項技術的商業化運用;其次整個編碼解碼過程都需要被試的高度配合(告訴大家一個訣竅,如果那天你被人強制讀腦的話,你只要搖晃一下腦袋,數據就不能用了。不過,做實驗的時候千萬不要動!!要聽主試的話!!),這也是為什麼文中只用了三個被試,而且都是合作者(永遠不要低估研究者發文章的決心!);再者,解碼的算法還需要很大的改進,因為不是直接解碼,所以從圖4中可以看出解出來一些奇怪的畫面。不過不管怎麼說,這篇文章的想法真的很獨特,雖然說這種想法本身就會導致重構圖像的不精確,不過技術進步那麼快,相信未來的發展會更加超出我們的想像的!

圖 3.圖 3.

圖 4.圖 4.

後記: 今年學期要結束的時候,Dr. Gallant來我們系做一個講座介紹他的研究,不得不說Gallant lab做的研究真的特別impressive,有興趣的朋友可以去他的實驗室lab看一下(Gallant Lab homepage),重建視覺信息只是他研究的一部分,他們還有很多有意思而且很重要研究正在進行。Dr. Gallant在講座的時候說他不是一個psychologist,因為那些高級的認知功能太複雜恐怕這輩子都搞不清楚,但是視覺區域的研究已經相對比較透徹了,所以他有生之年還有可能見到搞清楚的一天。這篇文章也正如他說的那樣,主要在討論技術層次的問題,涉及到fMRI技術,信號處理還有貝葉斯統計方面的內容,基本上和認知功能沒有太大聯繫。雖然有些fMRI的經驗,但是有太多不熟悉的概念,我個人閱讀起來還是挺費勁的,有不少地方理解的也不清楚,如果表述有什麼不對的地方還請輕拍和指正。謝謝!

References:

Haxby, J. V., Gobbini, M. I., Furey, M. L., Ishai, A., Schouten, J. L., & Pietrini, P. (2001). Distributed and overlapping representations of faces and objects in ventral temporal cortex. Science, 293(5539), 2425-2430.

Kamitani, Y., & Tong, F. (2005). Decoding the visual and subjective contents of the human brain. Nature neuroscience, 8(5), 679-685.

【Hwizhi的回答(132票)】:

利用fMRI信號重建視覺場景,是一種對神經活動的解碼,本質上是神經編碼的一個逆問題。

順便說一句,題主將問題做了變動,實際上原標題更確切。因為論文的工作是用fMRI信號重建受試者看過的視頻。新標題中中「大腦中浮現的畫面」也可以理解為在不看視頻的情況下想像出來畫面,如是與原文工作有所出入;另外,在這種條件下用fMRI信號反推「浮現」的畫面,具有更大的挑戰性。

基於大腦反應重建視覺刺激(圖像或者視頻)的研究並不新鮮,而且也不局限於用fMRI信號重建。Yang Dan 博士(現在UC Berkeley)在上個世紀90年代就用神經元的放電活動重建視覺場景(文獻〔1-3〕)。因為沒有對神經解碼類課題的一手研究經驗,而且很長時間不看這方面的文獻了,只能依據一點初淺理解對題主的問題做個概略性的回答。歡迎批評指正。

1. 視覺神經通路編碼和fMRI信號的產生

雖然從技術角度並非必須(文獻〔4〕),瞭解視覺神經編碼和fMRI信號的產生原理,可以幫助理解為什麼可以用fMRI信號重建視覺場景。視覺神經編碼的基礎知識在任何一本基礎性的神經生物學都有介紹。

關於編碼:(1)從眼球的後壁視網膜開始,到外側膝狀體 (LGN),到初級視覺皮層 (V1),到後面分化的視覺通路上(腹側-ventral和背側-dorsal pathway),視覺神經細胞對視覺場景的各種視覺信息特徵(大小,形狀,顏色,運動速度,空間位置等)的編碼逐級分化 (圖1)。(2)現在廣泛接受的編碼理論是視覺神經細胞用放電活動頻率表徵視覺信息特徵。例如初級視覺皮層的一個神經細胞對某個空間位置上垂直方向的線條產生強烈放電(e.g., 50 spikes/second),對其他位置和水平方向的線條放電頻率則大幅下降(e.g., 6 spikes/second),甚至不放電。(3)類似功能的神經元分佈在相鄰的區域,例如早期視覺皮層的功能柱。Hubel 和Wiesel博士在50年代開始對(2)和(3)的開創性的系統研究為他們贏得了1981年諾貝爾獎。(4)Population coding的概念〔文獻6〕:不同區域的視覺皮層中大量神經細胞在同一時刻的反應構成某種特定的放電模式從而表徵視覺場景,這種模式可能與表徵過去場景的歷史模式有某種關係。

圖1,視覺神經通路 (Strand-Brodd K et al. 2011)

關於fMRI信號:(1)雖然具體的量化關係沒有定論,fMRI信號的強弱與神經放電的強弱正相關〔7〕。(2)一個fMRI 像素表徵三位空間的一個小區域內(1個立方毫米量級)大量神經元的放電活動,還好如前面提到,這個空間內的神經元的功能比較類似。(3)相對單個神經元的放電活動信號,fMRI信號在時間有延遲(1-10秒)。

2. 神經解碼

有了上面的信息,理論上當我們理解了每個神經細胞的放電活動,可以根據足夠多的數據完全重現對應的視覺場景。如果我們進一步知道fMRI信號與神經放電活動的數量關係,我們也可以利用fMRI信號精確重建對應的視覺場景。

具體實施的時候,也不必理解中間編碼的具體過程。根本問題變成求解視覺刺激與腦活動信號(fMRI、腦電、多電極紀錄的單個神經元放電等信號)之間的關係。數學上,視覺刺激可以用一個矩陣描述V,腦電信號可以用一個矩陣描述B,中間聯繫他們的是一個傳遞函數T,同樣用一個矩陣表示。他們之間的關係可以表達為VT=B。如果先通過測量對應一系列的視覺刺激Vi (i=1, ..., N)的腦活動Bi (i=1, ..., N) 可以求出傳遞函數T,那麼在已知B的情況下,可以求出對應的V。文獻〔3〕中論述了這幾個矩陣之間的關係,〔4〕是一個很好的綜述,文獻〔5〕是一個具體的應用實例。

圖2,視覺刺激和腦活動fMRI信號的對應關係(Naselaris et al., 2011)圖2,視覺刺激和腦活動fMRI信號的對應關係(Naselaris et al., 2011)

補充一下用電極記錄的神經放電活動重建視覺場景的研究。第一行和第三行的是視覺刺激,第二行和第四行是相應的重建結果。

圖3,利用LGN 神經放電信號重建視覺場景(Stanley GB, Li FF, Dan Y 1999)圖3,利用LGN 神經放電信號重建視覺場景(Stanley GB, Li FF, Dan Y 1999)

神經解碼的困難:因為原理和技術的限制,精確地實現神經解碼是非常困難。第一個問題是我們對神經編碼的理解還十分有限,因而導致我們的測量和建模未必能抓住最核心的參數。第二個困難源於數據採集技術帶來的信息局限性。基於不同技術在數據採集精度和對神經系統損傷程度的考慮,現在能獲取的數據在時間和空間分辨率都非常有限。第三個挑戰是作為編碼的逆問題,解碼通常是一個病態問題。在有限精度下,兩幅場景對應的神經放電模式/fMRI圖像可能幾乎一致,從而當你看到一幅fMRI的模式,你不能確定反推出到底哪幅圖像是本來的刺激圖像。在這種情況下,你無法實現視覺場景重建。

3. 幾篇關鍵文獻

1)基於LGN神經放電活動的視覺場景重建 (Dr. Dan的工作讓我首次瞭解到神經信號解碼的問題):

〔1〕Dan Y, Atick JJ, Reid RC (1996) Efficient coding of natural scenes in the lateral geniculate nucleus: experimental test of a computational theory. J Neurosci 16:3351–3362.

〔2〕Dan Y, Alonso J-M, Usrey WM, Reid RC (1998) Coding of visual information by precisely correlated spikes in the LGN. Nat Neurosci 1:501–507.

〔3〕Stanley GB, Li FF, Dan Y (1999) Reconstruction of Natural Scenes from Ensemble Responses in the Lateral Geniculate Nucleus. The Journal of Neuroscience 19(18): 8036-8042.

2)fMRI信號解碼原理及應用

〔4〕Naselaris et al. (2011) Encoding and decoding in fMRI. NeuroImage 56 (2011) 400-410. (綜述)

〔5〕Shinji Nishimoto, An T. Vu, Thomas Naselaris, Yuval Benjamini, Bin Yu & Jack L. Gallant (2011) Reconstructing Visual Experiences from Brain Activity Evoked by Natural Movies. Current Biology. (應用,按照作者說法可以看看這片文章的價值:This paper presents the first successful approach for reconstructing passively viewed natural movies from brain activity measured by fMRI.)

3)population coding

〔6〕Alexandre Pouget, Peter Dayan, and Richard S. Zemel (2003) INFERENCE AND COMPUTATION WITH POPULATION CODES. Annual Review of Neuroscience 26: 381-410.

4)fMRI和神經放電活動的關係

〔7〕Logothetis et al. (2001) Neurophysiological investigation of the basis of the fMRI signal, Nature 412, 150-157.

【周鉑的回答(10票)】:

謝謝 @劉柯邀請,目前的問題描述只能簡單答一下。

首先,文章的title或鏈接最好還是給一下,畢竟只知道年份和雜誌不大好找,用google搜圖片也許可行,但有些麻煩……

所以下面都是在沒看過原paper的情況下寫(猜)的:

根據fMRI重建圖片的根本目的應該就是解碼(decoding)了,即通過神經成像探究神經活動,然後進一步推測當時的認知活動。通過這個圖片也可以看得出來,這圖片重建得實在不太「逼真」,但其實這就是當前解碼的水平——比較初級。

所以我推測重建的原理也不會很難,大概是通過建模等手段,根據各皮層的fMRI信號推斷接收到的視覺信號是什麼。

大家應該都知道感受野這個概念,不同神經元會對特定位置的特定信號模式發放,所以根據不同位置fMRI信號的強弱是可以推斷視野中不同位置圖像信號的強弱的。又因為不同皮層主要負責不同功能(比如V1對朝向等很基礎的信號反應,V4主要負責顏色,MT主要負責運動等),那麼就可以對多種feature進行重建。

decoding的應用就很多了,在不同領域人們都想根據神經活動推斷出當前的認知活動/心理活動。畢竟神經信號是可以客觀測出的,想想這個技術如果發展得很成熟,那麼解夢、測謊、通過意念控制機器就都不在話下了。反過來說,直接給腦「傳輸」神經信號,從而引發相應認知活動,也是很有用的,比如通過這個讓盲人「看見」東西等。

只是現在的這個技術還是太、初、級、了——所以才會看見這麼一個很不像的重建圖像,雖然當時寫/看這篇paper的researchers應該已經很興奮了。

【徐元直的回答(9票)】:

這事我在另一個問題的答案裡提過(能否通過某種途徑把人腦中想像出來的畫面圖形顯示出來? - 大腦)。你可以參考一下該實驗室網站上的FAQ:

Frequently asked questions about brain reading

Our laboratory typically uses a two step procedure. The first step of the process is to construct a set of encoding models that describes how visual stimuli are represented in the pattern of activity across visual cortex. The assumption here is that the activity in visual cortex is systematically related to the particular visual stimulus that is being viewed at any point in time. The goal is to build encoding models that can take any visual stimulus and predict the pattern of activity that the image would produce in visual cortex. The second step of the process is to use these encoding models to solve the image reconstruction problem. One way to describe how we approach this problem is to think of all possible images as potential reconstructions. To determine if a particular candidate is an accurate reconstruction, we use the encoding models to determine the likelihood that it would evoke the brain activity we actually measured. We also use prior information about what natural images look like to determine if the candidate is an accurate reconstruction. Both of these sources of information are used to converge on a reconstruction that is both structurally and semantically accurate.

更具體的說明可見Nature上這篇介紹:

Brain decoding: Reading minds : Nature News & Comment

簡單來說,他們設計了一個程序,首先讓受試者看各種電影畫面,同時用fMRI測量其大腦視覺皮層的活動模式,讓程序記錄下畫面A=模式A,畫面B=模式B,等等,這就是encoding model。建立起這個關聯數據庫之後,再讓受試者觀看(對程序而言)未知的畫面,這時程序就可以分析現在測到的視覺皮層活動模式,跟關聯數據庫裡哪些已知的活動模式相近,從而提取那些已知的活動模式所對應的畫面,根據近似程度重疊成一個對「受試者現在看到的東西」的猜測圖。當然這只是最簡單的說法,具體的建模方式也許比一張圖片對應一個模式更複雜一些。

【FelixVan的回答(20票)】:

反過來想,也就是說以後我們可以將圖片轉換為信號然後通過電腦讓盲人看到這個世界了

【大王叫我來巡山的回答(10票)】:

以後春夢不白做了

【察察的回答(2票)】:

好久以前就想過這個問題,對於喜歡胡思亂想的人來說簡直是巨大的福音啊(′?皿?『)

腦子裡總有許多奇奇怪怪的畫面和場景,尤其是晚上做夢的時候,簡直每天晚上都是好萊塢大片啊摔┴═┴︵╰(‵□′)╯︵┴═┴!多夢的人傷不起(?_?)

怎奈想的多,能做的少,現在在嘗試把晚上的夢還有平時開的奇怪的小差記下來,說不定就寫成一部轟動世界的科幻小說了呢_(:_」∠)_

【湯米的回答(2票)】:

不可能重現的,大腦圖像只是一個很抽像的概念,一個輪廓,其形象完全需要本人完善補充的,因此任何軟件都無法把其具象起來,除非其計算機能夠完全模仿該人的思維,然後把每個細節具象。

【熠魚的回答(1票)】:

我以前就一直幻想著能有這樣的技術,看到這個問題真的很激動,如果未來這樣的技術真的能夠實現的話,它所帶來的美妙是難以想像的。

補充:原來很多人都有這樣的想法啊!

【tczhong的回答(1票)】:

Mary Lou Jepsen: Could future devices read images from our brains?

發現沒人發這個ted視頻。其中就是講了題主所好奇的這個問題。不過比較科普,沒有已有答案那麼專業

【Doric的回答(0票)】:

想到了清水玲子的最高機密裡的MRI技術

【褚奔的回答(0票)】:

解決色盲悖論

【莫二的回答(0票)】:

臥槽作為喜歡畫畫的人看到這個消息我竟激動得硬了

【廖半仙的回答(0票)】:

如果有這種技術,那我肯定是第一個支持的,我想看到我和她想愛的一幕,即使是腦海中的自作多情。。。。。。

【聽見下雨的聲音的回答(0票)】:

鬼畜

【知乎用戶的回答(0票)】:

非常感謝排名第一的答主 @鏡亦非台 的回答。本人並非專業人士,因此對於全文並無全部瞭解。我重點關注了下關於重建圖像的過程,也大致瞭解了原理,驚喜地發現這和我幾天前在食堂默默吃飯時突然蹦出的想法有驚人的相似性-.-

首先聲明本人小時候是一個妄想者,我當時對影視作品極為癡迷,以至於自己經常幻想故事和電影情節,並自言自語手舞足蹈陶醉其中,最後被旁人以神經病的眼神淹沒。。。。

好在現在基本上已擺脫此怪癖。但其餘威仍在,現在的我偶爾也會幻想一些畫面,一些自導的鏡頭,一些奇妙的風景,然而卻一直對其虛擬的本質抱有遺憾。 於是我從幼年時期就有了和題主一樣的想法:如果人的思維能夠真實地反映成畫面,那我就可以當一個真正的導演了! 但是我自知這是一個妄想,一個天方夜譚,對此也只是笑笑,根本就沒有拿出來談的動力。

直到今天。

事實上在前天我悶頭吃干鍋的時候,腦子裡就莫名其妙地開了腦洞: 我幻想在將來的某一天,本人旗下的(不好意思裝了逼)一家世界級的影視公司發明了一項跨時代的技術。該技術是一種全新的特效技術,其特點就是能夠對畫面進行完全擬真的模仿,使人根本察覺不出和現實的區別。自此該公司的所有影視作品壟斷了全球商業片市場。。。。。

而其原理,就是該公司花費極其龐大的資金,聘請無數全球一流攝影師對世界各地進行畫面取景(類似於第一回答裡提到的龐大數據庫),然後儲存在公司的某處地方進行加密(以免商業洩露),最後通過某種技術(這裡腦洞就偷懶了)在這龐大的片子基礎上進行模擬特效,達到了以假亂真的境界。

我之所以會這麼想,有著同重構腦中圖畫的思路一樣的邏輯:

要想反映成人類所認為的"真實",其基礎必然是人經歷的視覺反饋效果。

因此,重構圖畫,並不是單純地把電信號轉化成圖像信號,而是在現實畫面的基礎之上進行最大程度地還原。

自此我再也不用擔心妄想只是妄想了,妄想也能變成"現實",唯心的也能變成唯物(這裡表述不嚴謹,請忽略)。

到那時候,會有"現實"的維斯特洛,"現實"的中土大陸,"現實"的艾澤拉斯,"現實"的第二地球,當然,還有"現實"的夢中情人。

【千秋魁首的回答(0票)】:

技術原理我不清楚,試著回答可能帶來哪些應用價值(足夠成熟之時)。

1:測謊。通過詢問嫌疑人某時刻的行為,獲取其腦中圖像以判斷其言真假或作案細節。

2:影視拍攝。直接通過大腦想出恢弘的場面,應用於螢幕,省去大量的經費。即使需要後期,也是無限接近導演預想的場面。

3:醫療。比如高位截癱者,植物人,通過其腦中圖像判斷其精神狀況,用以溝通,精神治療等,或有可能將外部世界之圖像直接映射至盲人腦中,使他們在腦中看到這個世界。

4:洗腦,精神控制。通過測定其大腦圖像,針對個體量身定制洗腦方案,使其被洗腦,同化(這個想想極危險…)。

5:證詞提供。當某一案件,車禍目擊者為未成年人,溝通障礙者,或者僅僅為了更真實的還原真實情況,可讓目擊者回憶當時細節,多位目擊者的圖像可成為交叉證據或者證據鏈,以最大程度的還原現實。

6:夢境還原。不管夢中出現了多麼奇詭的場景,還原並錄下來,甚至可能日後反覆觀看或者上傳至社交網絡。

7:娛樂。這個就太多了……比如還原吸食大麻之後的人腦中圖像,服用LSD之人腦中圖像,精神病人腦中圖像,小孩子的,軍人的,戀屍癖的,性高潮的,瀕死之人的……隨便一個都是cult片一樣的存在(超期待)。

8:一時想不出更多,歡迎補充~

標籤:-神經科學 -認知心理學 -基礎心理學 -計算神經科學


相關資源:





給我留言