Com publicação científica

Conexões cerebrais

IA generativa ajuda a montar mapas cerebrais mais completos

Novo modelo conseguiu reconstruir dados sobre fibras nervosas e produziu mapas cerebrais completos a partir de imagens de ressonância magnética por difusão

Divulgação, Escola de Medicina da USC

Sem reconstrução (à esquerda) e após reconstrução de dados com IA generativa (à direita): modelo generativo consegue preencher o sinal perdido, produzindo uma reconstrução mais completa

Por Redação SciAdvances

9 de novembro de 2026, 16:00

Fonte

Áreas

Ciência de Dados, Computação, Engenharia Biomédica, Física Médica, Imagens Médicas, Medicina, Modelagem Matemática, Neurociências, Neurologia, Processamento de Imagens, Simulação Computacional

Compartilhar

Adicione o SciAdvances como fonte preferencial no Google

Conexões cerebrais

O exame de ressonância magnética por difusão ajuda a rastrear as vias das fibras nervosas no cérebro: trata-se da principal técnica não invasiva capaz de mapear a conectividade estrutural e os feixes de substância branca do cérebro vivo.

A ressonância por difusão rastreia o movimento da água através do tecido cerebral. Como a água tende a se deslocar ao longo das fibras nervosas, os exames revelam as trajetórias dessas fibras e a forma como as diferentes regiões do cérebro se conectam.

Assim, o exame permite realizar reconstrução tridimensional das conexões, avaliação da integridade da substância branca, e ajudar no estudo do conectoma humano, na investigação de patologias neurológicas e também no planejamento cirúrgico.

Mas existe uma limitação: algumas áreas são suscetíveis à perda de sinal, o que causa ‘lacunas’ na imagem.

Avanço: IA generativa pode ‘recuperar lacunas’ das imagens

Cientistas da Escola de Medicina e da Escola de Engenharia da Universidade do Sul da Califórnia (USC), nos EUA, desenvolveram um modelo de inteligência artificial (IA) que ajuda a preencher lacunas em mapas das conexões cerebrais obtidos por meio de ressonância magnética por difusão.

O modelo se concentra no tronco encefálico e na região logo acima dos olhos, duas áreas onde distorções no campo magnético do aparelho de ressonância podem criar lacunas no sinal.

Os cientistas treinaram e testaram o modelo utilizando exames de 1.315 participantes do UK Biobank e 679 participantes do Lifespan Human Connectome Project Aging, dois estudos de grande escala que envolvem, em sua maioria, adultos mais velhos.

O novo modelo, chamado FOD-Diffusion, baseia-se em um tipo de inteligência artificial (IA) generativa conhecida como ‘modelo de difusão’, que cria imagens a partir de um ruído aleatório, que depois vai sendo removido gradualmente.

Segundo o Dr. Shuo Huang, pesquisador de pós-doutorado na Escola de Medicina da USC e primeiro autor do estudo, o novo modelo analisa o tecido íntegro ao redor de cada lacuna e, usando o treinamento com exames que não apresentaram falhas, estima as conexões que estão faltando.

O novo modelo consegue restaurar dados na forma de dezenas de mapas 3D do cérebro, interconectados, para cada exame. Cada mapa captura uma parte do padrão das fibras e, juntos, eles revelam as direções que as fibras seguem em cada ponto. O modelo preenche um mapa de cada vez, recorrendo a todos os outros mapas para garantir continuidade, e utiliza o tecido mapeado ao redor de cada lacuna como referência.

O estudo foi publicado na revista científica Medical Image Analysis.

Novo modelo mostrou estimativas adequadas das conexões cerebrais em lacunas da ressonância magnética

Publicidade

Últimos avanços

Publicidade

Autores/Pesquisadores Citados

Pesquisador de pós-doutorado na Escola de Medicina da Universidade do Sul da Califórnia (USC)

Publicação

Publicidade

Rolar para cima