IA générative pour le calcul d'images cérébrales et le calcul de réseaux cérébraux : une revue

Ces dernières années ont été marquées par une avancée significative des techniques d'imagerie cérébrale, qui offrent une approche non invasive pour cartographier la structure et la fonction du cerveau. Parallèllement, l'intelligence artificielle générative (IA) a connu une croissance substantielle, impliquant l'utilisation de données existantes pour créer de nouveaux contenus avec un schéma sous-jacent similaire à celui des données du monde réel. L'intégration de ces deux domaines, l'IA générative en neuroimagerie, présente une avenue prometteuse pour explorer divers domaines de l'imagerie cérébrale et du calcul de réseaux cérébraux, en particulier dans les domaines de l'extraction de caractéristiques cérébrales spatiotemporelles et de la reconstruction de la connectivité topologique des réseaux cérébraux. Par conséquent, cette étude a passé en revue les modèles avancés, les tâches, les défis et les perspectives des techniques d'imagerie cérébrale et de calcul de réseaux cérébraux et entend fournir une image complète des techniques actuelles d'IA générative en imagerie cérébrale. Cette revue est axée sur de nouvelles approches méthodologiques et applications des nouvelles méthodes connexes. Elle aborde les théories et algorithmes fondamentaux de quatre modèles génératifs classiques et fournit une enquête systématique et une catégorisation des tâches, y compris la co-registration, la super-résolution, l'amélioration, la classification, la segmentation, la cross-modalité, l'analyse de réseaux cérébraux et le décodage cérébral. Cet article met également en évidence les défis et les directions futures des travaux les plus récents, avec l'espoir que les recherches futures puissent être bénéfiques.