NeuroGAN-3D：基于高保真3D生成对抗网络的内在功能脑网络提升
计算机视觉与模式识别
2026-05-12 v1 人工智能
摘要
最新脑成像技术的进展加深了我们对大脑复杂功能和结构组织的理解。在这些技术中，功能性磁共振成像（fMRI）——特别是静息状态fMRI（rs-fMRI）——已成为识别内在脑连接生物标志物、描绘大规模神经网络的工具。这些网络通常表示为体积性空间图，捕捉功能一致的脑区，并反映个体差异在脑活动和结构方面的表现。这些图的空间分辨率在方面起着重要作用，因为它决定了能够以精确度局化功能单元、进行可靠脑分割以及检测与发育、老年或疾病相关的微妙、空间特定神经生物学改变的能力。因此，提高神经成像衍生图的有效分辨率具有显著的前景，可实现对脑结构及其与行为和病理关系的更详细洞察。为此，我们提出了NeuroGAN-3D，一种针对体积神经成像计算需求的新型3D生成性超分辨率模型。我们的模型利用生成对抗网络架构来增强rs-fMRI空间图的分辨率，显著优于传统基线方法。
引用
@article{arxiv.2605.08373,
title = {NeuroGAN-3D: Enhancing Intrinsic Functional Brain Networks via High-Fidelity 3D Generative Super-Resolution},
author = {M. Moein Esfahani and Sepehr Salem Ghahfarokhi and Mohammed Alser and Jingyu Liu and Vince Calhoun},
journal= {arXiv preprint arXiv:2605.08373},
year = {2026}
}
备注
Accepted in ICCABS 2026: The 14th International Conference on Computational Advances in Bio and Medical Sciences