يمثل تطور علم التصوير العصبي قفزة نوعية في فهم التركيب الوظيفي والمعقد لدماغ الإنسان. ومع تقدم تقنيات التصوير، برز تصوير الرنين المغناطيسي الوظيفي (fMRI)، وخاصة تصوير الحالات الثابتة (rs-fMRI)، كأداة رئيسية في تحديد العلامات الحيوية للاتصالات الدماغية الأساسية ووصف الشبكات العصبية واسعة النطاق.

تُظهر الخرائط الناتجة عن هذه التقنية توزيعًا مكانيًا يُبرز المناطق الدماغية المترابطة وظيفيًا، مما يعكس الفروقات الفردية في النشاط والتركيب الدماغي. ومع ذلك، تلعب الدقة المكانية لهذه الخرائط دورًا حاسمًا في تحديد الوحدات الوظيفية بدقة، وإجراء تقسيم دماغي موثوق، واكتشاف التغييرات البيولوجية الدقيقة المرتبطة بالتطور أو الشيخوخة أو الأمراض.

لذا، فإن تحسين دقة خرائط التصوير العصبي يُمثل مفتاحاً لفهم أعمق لهندسة الدماغ وعلاقتها بالسلوك والpathology. من هنا، نُقدم نموذج NeuroGAN-3D، وهو نموذج جديد تحويلي ثلاثي الأبعاد لتحسين الدقة، مُفصل لتلبية المتطلبات الحاسوبية لتصوير الأعصاب الحجمي. يعتمد نموذجنا على بنية الشبكة الخصمية التوليدية (Generative Adversarial Network) لتعزيز الدقة المكانية لخرائط rs-fMRI، متفوقاً بشكل ملحوظ على المعايير التقليدية. يُعد NeuroGAN-3D خطوة نحو تحقيق نتائج دقيقة وموثوقة في مجال التصوير العصبي، مما يفتح آفاقًا جديدة لدراسة الشبكات العصبية وكيفية تأثيرها على سلوكنا.