L’un des objectifs les plus intéressants des neurosciences est de parvenir à reconstruire les images perçues par le cortex visuel à partir de scans cérébraux. La difficulté principale réside dans le traitement efficace des données à partir des données issues d’images par résonance magnétique fonctionnelle (IRMF). Comment optimiser l’utilisation des données issues des IRM pour produire des reconstructions plus précises de l’image du cerveau.
Aujourd’hui, Changde Du du centre de recherche du cerveau à Pékin, en Chine, et ses collègues disent avoir développé une telle technique. Leur idée est de traiter les données en utilisant des techniques de deep learning qui traitent les corrélations non linéaires entre voxels (un pixel en 3D) plus facilement. Résultat : une bien meilleure reconstruction de la façon dont le cerveau perçoit des images. Les chercheurs utilisent 90% des données pour entraîner le réseau afin de comprendre la corrélation entre l’analyse du cerveau et l’image originale. Ils testent ensuite le système d’IA sur les données restantes en l’alimentant de scans et en lui demandant de reconstruire les images originales.
Cette capacité est un tremplin important pour créer de meilleures interfaces cerveau-machine. Les prochaines étapes constitueront à développer des outils d’analyse de scène plus complexes et d’images animées. Changde explique que leur approche pourrait également être appliquée à d’autres problèmes de codage du cerveau tels que les tâches audio et physiques.
