文 | 追問nextquestion

人類一直以來便對夢境懷有濃厚的好奇心。當清晨的陽光透過窗欞灑進房間，你是否曾在醒來后，靜靜思索為何夢境總是奇幻莫測？夜晚的大腦如何編織這些虛幻畫面？它們對我們的健康有何作用？夢境真的不可或缺嗎？

過去幾十年里，科學家們極大地推動了對清醒意識的研究，但夢的實證研究仍然模糊且充滿挑戰。與其他人類意識經驗的研究類似，我們本就難以對夢進行客觀觀察，夢境看似雜亂無章的內容結構更是雪上加霜。然而，夢的實證科學研究絕非徒勞無益。我們在此借助雷明頓·馬利特（Remington Mallett）等人的研究，帶你了解夢境研究的歷史局限，以及新的方法論是如何克服這些局限性，并有望開創夢科學的新紀元。

夢境的研究面臨的一大困擾，便是如何有效地觀察它。如今，神經解碼和實時報告能夠更直接地測量夢的內容；夢境加工、定向刺激和清明夢（lucid dreaming）技術使夢境操控成為可能；而計算分析與夢境大數據庫的建立，則為識別夢境模式提供了強大支持（圖1）。這些創新使研究人員能夠系統地觀察、加工和分析夢境，預示著夢境科學進入了一個新紀元。

01 夢境研究的歷史

20世紀50年代中期至60年代，隨著腦電圖（EEG）技術的進步和快速眼動睡眠（REM）的發現，夢境研究的文獻激增[1]。這一時期的研究將夢與快速眼動睡眠建立了強相關聯系[2]，強調行為主義對客觀測量的關注，并作為論據支持了“夢境只存在于快速眼動睡眠階段”的觀點。然而，經驗取樣方法（如連續覺醒范式[3,4]）的引入拓展了我們的認識，揭示出更廣泛的與睡眠相關的心智狀態，從而超越了傳統的夢的敘事。

?圖1. 夢境研究的三大方向：可觀察夢境（通過實時觀測和交互技術研究夢）、夢境工程（設計和調控夢境內容）和計算夢境分析（利用大數據和自然語言處理解析夢境）。圖源：Mallett et al.

這一轉變將客觀測量與主觀體驗相結合，讓我們對夢境有了更細致的理解，意識到整晚上不同睡眠階段中體驗的多樣性，也影響了夢的分類學的發展，這是邁向夢的統一理論的關鍵一步。例如，一個著名的概念模型在敘事夢（模擬現實世界的時空環境）與其他最小睡眠狀態（如催眠意象）之間作出區分[5,6]。因此，盡管人們普遍認為睡眠是做夢的必要條件，卻并不總認為睡眠是做夢的充分條件。

夢境存在種種復雜性，但本文中所強調的方法論在很大程度上與夢境體驗的具體性質無關。相反，這些方法旨在觀察、操縱和量化睡眠中的各種體驗，它們對推動此類理論框架的發展以及檢驗由此得出的假設至關重要。因此，在本文中，我們將夢寬泛地定義為睡眠（一種具有獨特電生理特征的可逆的行為靜止狀態）中的有意識體驗[7,8]，這一定義涵蓋了細節豐富的敘事夢、基本的感知思維等各個方面。其包容性有助于我們進一步探索和完善對夢的理解，支持夢的科學在經驗和理論上的進步。

02 后睡眠回憶的局限性與可觀察夢境

睡醒之后，你還記得自己做過什么夢嗎？這種無法直接觀察夢境的現象[10]是對夢進行全面科學研究所要面臨的根本挑戰。目前的研究通常依賴于回溯性夢境報告，這一方法面臨許多問題。

首先，夢境的生成到報告需經過多個復雜的認知過程，每一步都可能導致潛在信息損失（圖2）。夢境產生與夢境報告跨越不同狀態，盡管我們有理由相信夢境報告的有效性[11]，但回溯記憶的建構性及其易失真甚或完全遺忘的特性[12]，對夢境報告的可靠性造成了根本性限制[13]。

其次，人格特質與其他情境因素也會影響夢境回憶的可靠性[16]。當然，這些問題并非為夢的研究所獨有。白日夢、走神以及其他清醒意識狀態的研究也依賴于主觀報告，但夢境報告中，這些問題更加嚴重。然而，神經影像學的進步帶來了一些創新方法，尤其是神經內容解碼（content decoding）和實時報告（real-time report）可以補充覺醒后的夢境回溯，并糾正伴隨的記憶錯誤。

?圖2. 夢的回憶過程。回憶一個夢的復雜過程涉及多個認知步驟，每個步驟都有可能通過增加積累的信息丟失來降低最終夢報告的可靠性。

（1）神經內容解碼

神經解碼的發展讓科學家能夠更有效地通過神經成像數據的模式，分類或重建人們觀看或想象特定刺激時的大腦活動。一項開創性的 fMRI 研究就是利用這種方法，從覺醒狀態觀看物體時收集到的神經模式中識別出夢境中可能出現的物體[17]。然而，當fMRI應用于睡眠研究，尤其是對快速眼動睡眠的研究時，噪音和不適等內在因素仍會影響實驗結果[18]。

一項最新的進展是將多導睡眠監測（polysomnography）應用于夢境解碼。最近的突破揭示了如何利用腦電圖追蹤得出的神經模式來解碼所報告夢境內容的認知特征。具體來說，夢境報告中的面孔和位置與顳枕部和頂葉電極部位的高振蕩活動量直接相關[19]，這與覺醒時的知覺體驗的神經相關物相吻合。夢境報告中的憤怒程度也與額葉振蕩活動的可測量腦電圖模式相對應[20]。

除腦電圖外，其他睡眠生理測量也能揭示夢的內容。比如肌電圖（electromyography，EMG，圖3）對面部肌肉輕微抽搐的測量結果顯示，夢境的情感內容與夢醒后的報告相吻合[21]。同樣，當夢境中出現言語回溯時，言語肌肉的肌電圖活動也會先于覺醒[22,23]。快速眼動睡眠中的眼球運動模式與覺醒狀態下場景知覺中的眼球運動模式一致[24]，并反映出做夢者在夢中注視方向的一部分對應關系。[25,26]。雖然直接的實驗驗證還很少[32,33]，但這種 “夢的行動化 ”可能是觀察夢的一種可行方法[34]。

然而，通過神經解碼觀察夢境存在一些局限性，尤其是模型驗證對回溯記憶的準確性的依賴性。也許這一局限性能夠通過提高數據質量緩解[35]，如結合現象學報告訓練以獲得更詳細、更精確的描述等。當然，對回溯記憶的依賴仍然是一個主要障礙。

?圖3. 肌電圖（EMG）是一種診斷測試，用于評估骨骼肌和控制它們的神經的健康和功能。圖源：Cleveland Clinic官網

（2）實時報告

神經解碼旨在解碼夢的自發內容，而實時報告則使用相同的睡眠監測方式解碼做夢者有意傳遞的信息，既保留了第一人稱視角，又避免了回溯回憶中固有的謬誤。這種方法通常會利用清醒夢（lucid dream），在這種狀態下，做夢者能意識到夢境的發生，并且能在夢境中執行預定的行動[36]。在典型的實時夢境報告研究中，參與者在入睡前會被指示在做夢時做出特定的眼球運動或面部表情[37]。這樣，當在夢中做出這些動作時，眼電圖（electrooculography）和肌電圖通道就能捕捉到與清醒時同樣清晰的信號（圖4）。

實時報告使得研究者可以對夢進行基于事件的神經分析。在做夢者即將執行復雜行為（如跳繩）之前，實時發送信號，該信號可作為基于事件的神經分析的時間印章（圖4）。該策略已在多項課題發揮作用，包括清醒狀態的神經相關物、做夢與覺醒的神經系統的相似性[38, 39]、以及評估做夢與覺醒中的時間意識 [40]。與之相比，回溯性的夢境報告很難確定夢中行為或事件的時間，因此無法研究特定夢境事件的神經相關物。

?圖4. 多導睡眠描記術（PSG）的各個組件和它們對夢的客觀觀察。圖源：Mallett et al.

實時夢境報告的最新擴展是互動夢境（interactive dreaming），即讓清醒夢者在睡眠中能發送信息和接收信息[41,42]。在參與者發出表示自己清醒的信號后，研究人員通過言語、觸覺或摩斯密碼向他們提出簡單的數學問題和 “是 ”與 “否 ”的問題[41]。參與者能聽到問題，并通過眼球的水平運動或肌肉抽搐提供正確答案。

夢境內容的實時報告是一項很有前景的技術，但目前還面臨成功率低、人群樣本偏差等問題。自然發生的清醒夢[43]少之又少，誘發清醒夢也困難重重[44] ，使得這些研究往往需要特定的納入標準，例如，參與者必須是嗜睡者或經常做清醒夢。這限制了樣本容量，降低了此類研究的有效性和可普遍性。

03 借助夢境加工測試因果性

夢境研究面臨的另一個挑戰是無法可靠地控制和操縱夢境內容，這一制約因素往往會限制實驗的設計和因果推理[45]。心智活動即使在清醒狀態下也是累積性的，當前的內容多少會受到先前內容的影響[46]。覺醒與睡眠之間的連續性也是如此，睡前的認知會影響夢境內容[47]，只是影響有限。睡前受到的刺激，如閱讀材料[48]、電影、視頻游戲[49]和虛擬現實[50]都會對夢境產生影響。然而，睡前暴露的可靠性及其對盲試的限制一直是令人擔憂的問題。

傳統的夢境加工方法是讓所有參與者都暴露于刺激物，并根據將刺激物納入夢境的參與者分析結果。但這種方法因潛在的混雜變量而受到質疑[51]。此類實驗通常會受到基線表現變化和不可控變量的影響，使研究員難以破譯刺激物對夢境的直接因果影響[52]。通過系統性刺激（systematic stimulation）和清醒（lucidity）進行夢境加工旨在通過增強對夢境頻率和特殊內容的操縱克服這一障礙[53]。

（1）通過系統刺激加工夢境

人在睡眠狀態依然會持續處理感覺信息[54]，這使得視覺、聽覺、嗅覺或觸覺線索的出現能夠影響正在進行的心智內容。夢境加工（Dream-engineering）利用感覺刺激，以高度針對性的方式操控夢境內容。目標記憶再激活（targeted memory reactivation）是當前十分受歡迎的策略，這一策略旨在研究睡眠在記憶加工中的因果作用[55,56]。在這一策略中，入睡前的基于常識或隨機關聯的刺激會出現在睡眠過程中，從而影響夢境內容。

一項關于感覺刺激對夢的影響的早期測試表明，睡眠過程中受到愉悅或不適的氣味刺激的參與者，其夢境回憶會相應地包含更強烈的積極或消極情緒 [57]。隨后的研究表明，入睡前將氣味與特定刺激相關聯能更有針對性地激活夢境內容。例如將氣味與城市景觀配對，當氣味在睡眠中再次出現時，會誘發更多與城市相關的夢境[58]。

目標記憶再激活線索也會影響夢中的高階認知與復雜的行為加工，入睡前與自我反思的心智狀態相關聯的光線和聲音線索會誘發清醒夢[59]。不僅入睡前的沉浸式虛擬現實飛行任務會刺激實驗室小憩中的飛行夢[49]（圖5），同一任務的目標記憶再激活也會促進與夢境滯后效應（dream-lag effect）一致的任務相關的夢境內容[60]。操縱夢境內容可以測試其對后續覺醒行為的影響。例如，通過有針對性的夢境培育[61] 增加與樹有關的夢境數量，可以提高在清醒狀態下與樹有關的創造活動的表現[62]。

?圖5. 利用感官刺激來設計飛行的夢。在實驗室中，研究者通過虛擬現實和聲音提示誘導參與者的夢境內容，隨后在自然睡眠環境中測試其夢境記憶的形成與保留。圖源：Mallett et al.

除感覺刺激策略外，最近的研究還表明，其他形式的非侵入性腦電波刺激也可以加工出特定的夢境內容。如同經顱直流電刺激（transcranial direct current stimulation）作用于感覺運動皮層會對運動動作和意象產生影響，在做夢時進行同樣的刺激也會影響夢中報告的運動活動量。經顱直流電刺激應用于頂葉皮質會影響夢境中的視覺內容[65]，應用于前額葉皮質則會影響做夢時的清醒程度[66]。使用經顱交變刺激（transcranial alternating current stimulation）能夠提高夢的自我意識水平[67,68]。

盡管最近的研究表明，夢境可以受到外部刺激的影響，但這種方法的可靠性和一致性仍然存在爭議[69]。刺激與夢境結合的時間、刺激模態、先在的刺激聯想，以及刺激與夢境內容的融合等因素都可能對上述方法的可靠性產生影響。此外，準確識別刺激與夢境內容之間的系統性關聯依賴于對夢境規則的透徹理解，對夢境內容的準確觀察，同時也要考慮潛在的遙遠語義關系。

（2）借助清醒夢加工夢境

施加外部刺激并非加工夢境內容的唯一方法。招募頻繁做清醒夢的參與者[43]并誘導清醒夢[44]也是誘發特定夢境內容的常用方法。

做清醒夢的人可以回憶起并詳細執行睡前分配給他們的高度復雜的任務。例如，在一項研究中，研究人員想要更好地了解覺醒和做夢時的知覺有何不同，他們要求參與者用自己的手畫圈，并用眼睛追蹤運動軌跡[70]。他們要求參與者三次重復上述行為：一次是清醒時保持眼睛張開，一次是清醒時閉眼，還有一次是在清醒夢中。當做夢者在夢中視覺追蹤移動目標時，他們平滑的眼球運動類似于知覺中的運動追蹤，而預想的運動追蹤。類似的覺醒與夢境對比還用于計數（測試時間感知的差異）、跳繩（測試夢中行為的自主神經反應）[38，71] 和握拳（測試夢中行為的神經控制），以及在夢中執行運動動作的行為結果，如練習飛鏢[72] 或向杯中投擲硬幣[73]。此類研究揭示了夢中練習帶來的學習益處。

但與大多數關于清醒夢的研究一樣，借助清醒加工夢境也不可避免地面臨樣本容量小且有偏差的局限性，從而限制了研究結果的可普遍性。如果有可靠的誘發清醒夢的方法，這些問題就可能在未來得到解決。

?圖6. Yuta Senzai 等人對小鼠在REM睡眠期間快速眼球運動的方向和幅度的觀察方法示意。圖片來源：Yuta Senzai & Massimo Scanziani, doi:10.1126/science.abp8852.

04 借助計算夢境分析確定夢境內容模式

夢境的敘事結構比覺醒狀態下的走神更多樣且約束更少[74]，這使得闡明夢境內容的潛在系統性結構變得尤為困難。迄今為止，對夢境內容的描述大多來自在實驗室和調查環境中收集的夢境資料。但這兩種方法都受到樣本容量和生態有效性（ecological validity）的限制。實驗室環境對夢境的巨大影響使得在實驗室環境中收集到的夢境很難代表自然狀態下的夢境[75]。

此外，調查研究很可能受到回應偏差和需求特征（demand characteristics）的影響。傳統上，從書寫下來的夢境報告中提取意義是通過人工評分完成的，這種方法也難以拓展，而且容易受到評分者偏好的影響。因此，在實驗室中通過人工評分所獲得的對夢境的理解是有限的。計算夢境分析通過將大數據與可擴展的計算方法（如自然語言分析）相結合，完善了上述人工評分的方法。這些策略已經為揭示夢境帶來曙光，并為更加富有成效的研究指明了方向。

（1）借助大數據分析夢境

大數據為克服傳統夢境研究的局限性提供了新的契機。通過分析網絡上或現有夢境數據庫中公開的大量自然夢境報告 [76,77]，研究人員可以發現較小的實驗室樣本無法偵測出的夢境模式和洞見。例如，將這些夢境報告的詞匯頻率和其他語言特性與覺醒的對照文本（如新聞報道）進行比較，可以發現夢境報告獨特的語言特征[78-82]。在大數據的幫助下，人們可以研究一個人數月或數年的夢境報告，這樣就能直接測試覺醒時的經歷是如何隨著時間的推移被納入夢境的[83,84] 。公共夢境分享網站和論壇上的數字追蹤數據[85]還具有更多優勢，如生態有效性，人群多樣性和時間精確性。例如，通過挖掘公共夢境檔案，可以觀察文化事件對特定人群的夢境的影響[86]。

當然，夢境報告大數據庫雖然很有價值，但也有自己的局限性。例如，從單一社交媒體網站收集的數字追蹤數據集只包含特定用戶群體的夢境。在公共平臺上分享的夢境報告可能會偏向于更容易被社會接受或分享的夢境，而不包括私密細節（如性內容）。此外，還存在編造或美化夢境報告的可能性，分享者可能有意夸張夢境的刻板或幽默成分，以提高其社交有效性。此類大數據庫還可能偏重于自然回憶起的快速眼動夢境。

相比之下，在實驗室環境中進行的連續覺醒研究則涵蓋了更廣泛的夢境類型，尤其是通過直接喚醒獲得的非快速眼動階段的夢境。雖然大數據庫能推動夢的科學的發展，但必須承認其缺陷，并用其他方法加以補充。

（2）借助自然語言加工分析夢境

研究人員也會利用其他領域的計算語言工具分析夢境大數據集 [88]。此前的霍爾-范德卡斯爾系統（Hall and Van de Castle system）需要借助人工將夢境報告編碼成定量變量[89,90]，這一費力的過程缺乏可擴展性。最近的方法利用單詞搜索[76,83,91-94]和自定義語言分析通道[84,93,94]實現了編碼自動化，為分析夢境大數據提供了切實可行的方案。一個重要的進步是新型計算語言工具不僅能對夢境報告進行詞語搜索，還能測量夢境中的創造力水平[62]或提取夢境涉及的關鍵人物和地點[84,100,101]。

另一種卓有成效的方法是應用結構圖譜分析，或檢查文本數據中的網絡模式。這種技術可以量化結構屬性，如詞語重復和詞匯多樣性。圖譜度量已被用于區分不同睡眠階段的夢境[102]，從而為了解心智體驗的神經相關物提供深刻見解。這些測量還能預測未來出現精神疾病的可能性，甚至在診斷精神分裂癥[106]、雙相情感障礙[107]和強迫癥[108]時能夠提供覺醒報告之外的預測力。

無監督分析（unsupervised analyses）對于探索夢的多面性尤為有益。數據驅動方法允許研究人員以開放式的方法深入研究大數據集，從而揭示出并非顯而易見的模式和見解。例如，最近的研究將計算方法應用于社交媒體中的夢境，觀察夢境的共同內容和時間變化與全球性事件的相關性[86]，而非基于已有的文獻檢索特定的夢境主題。Reddit對圍繞俄烏戰爭爆發的帖子進行了過濾，使其只包括夢的內容，主題建模揭示出與戰爭相關的夢境主題有所增加。這些新見解揭示了我們在理解夢的內容構成及其與清醒事件和行為的關系方面取得的重要進展。

然而，與語言心理學的其他領域一樣，夢境報告的計算分析也受到自然語言處理工具的限制。夢境報告通常很簡潔， 這些工具只有在文本中包含情緒內容的情況下才能提取準確的情緒測量值。此外，在文本中檢測復雜認知現象的準確性仍是一個有爭議的問題。而且，典型的夢境報告很少能提供完整的夢境描述，在實驗室外收集的夢境報告通常只包括簡短的片段。

值得慶幸的是，我們在客觀識別其他媒體（如圖像和音頻）特征方面取得了最新進展，表明我們有可能將類似的方法應用于通過這些媒體收集的夢境報告中，因此有可能捕捉到那些難以表達的夢境元素。

05 仍待解決的問題

1.清醒與夢境兩種狀態間是否存在神經轉換？當前解碼夢境的方法依賴于基于清醒行為訓練的模型來解碼夢中的行為，其適用性仍待驗證。

2.使用目標記憶再激活（TMR）影響夢境內容的精確度能達到多高？除了影響夢境的情感或背景，播放特定聲音是否能讓參與者在夢中看到完全相同的物體、場景或完成復雜行為？

3.對未經訓練的普通人中，清醒夢能被多可靠地誘導？清醒夢在探索和應用方面的巨大潛力地兌現將取決于開發更可靠的誘導方法。

4.多模態夢境報告能否揭示更詳細的夢境現象？ 目前夢境科學主要依賴文本報告，但夢中那些“難以言喻”的特質或許可以通過繪畫等非語言形式來捕捉。

5.夢境工程是否會影響被遺忘的夢？夢境工程對未被回憶的夢境及其認知和情感的影響仍是未被探索的領域。

6.如何評估夢境的內容整合程度？ 由于夢的本質是主觀且多變的，很難定義“包含程度”的標準。因此，需要建立更清晰的定義和評估框架，以便更系統地研究清醒體驗如何影響夢境內容。

7.清醒夢研究的結果是否適用于非清醒夢？ 清醒夢是一種操控夢境內容的有效方法，但這些研究在多大程度上適用于非清醒夢仍不明確。

8.實驗后，夢境會受到多長時間的影響？

9.EEG能否實現對項目級夢境內容的精確解碼？這一可能性也許會取決于利用EEG數據進行神經計算視覺建模的發展，而這項技術正在迅速提高。

10.如何利用大型語言模型推動夢境科學的發展？ 如同其他領域一樣，夢境科學也期待著基于人工智能帶來的新發現和方法的涌現。

06 結語

夢的科學研究在方法論上充滿挑戰。然而，得益于一系列開創性的跨學科創新，夢的科學研究有望在未來取得成功。夢境觀察、夢境加工與計算工具夢境分析三個方法論框架取得的突破不僅致力于解決夢的科學研究面臨的不同局限，還具有協同應用的潛力。

夢境不再是未知的黑箱。最新的研究讓學界進一步理解了睡眠與大腦功能，使我們能夠測量和操縱更多的參數來揭示夢境的秘密。歷史上，大多數科學家對嚴格研究夢的可行性持保留態度。這種懷疑態度曾一度根深蒂固，直到當代的研究方法對此造成挑戰。我們樂觀地認為，該領域的認知科學家可以為夢境科學的發展做出卓有成效的貢獻，并有望攻克人類最核心的謎題之一。對所有受夢境吸引的科學家來說，現在正是追尋答案的好時候。

原始論文：Mallett, Remington, et al. "New strategies for the cognitive science of dreaming." Trends in Cognitive Sciences (2024).

參考文獻

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, G?tz 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, P?lk?s 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, H?gl 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, B?ske 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.Sch?dlich 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.??epanovi? 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.