这就是fMRI扫描设备的外观阅读思想是许多人的长期梦想。 大量的科幻小说作品，电影和童话中都反映了这一梦想。 但是实际上，阅读思想是一项艰巨的任务，因为需要解决现代技术问题。 不仅是硬件（即硬件），还包括软件平台（即神经网络）。
相对最近，一组科学家教过神经网络通过分析
功能磁共振成像 （功能磁共振成像）图像来确定人的
视线 。 这是一个非常困难的问题，但是似乎中国的科学家已经成功地解决了这个问题。
这很复杂，因为有必要从功能强大的fMRI图像中学习，以确定大脑的哪些部分起作用并了解其背后的内容。 当使用适当的扫描设备时，图像本身是三维的。 而且，需要将这幅大脑某些部位的活动的三维图像转换为二维图像-一个人在扫描之前或扫描过程中看到的图像。
为了获得功能磁共振成像图像，通常必须考虑到大脑的一个体素的活动（活动体积）是由其他体素的活动引起的。 结果，计算机需要忽略一系列活动体素以显示相对清晰的图像。 所有这些使重建一个人所见事物的任务变得复杂。 通常，已经解决了这个问题，医生们学会了“从谷壳中分离出谷物”，是的，但是上述过程降低了对被扫描大脑的志愿者所看到的图像的识别质量。
如今，功能磁共振成像是最活跃的神经成像类型之一。 自1990年代初以来，由于功能性MRI的相对较低的侵袭性，缺乏放射线的暴露以及相对广泛的可用性，功能性MRI在诸如脑部过程的可视化等领域已变得普及。 该方法本身基于大脑血流和神经元活动相互联系的事实。 当大脑的任何区域活动时，流向该区域的血液也会增加。
从事此项目的中国科学家
决定寻找新的方法来分析fMRI图像中的数据。 北京研究中心的专家也开始使用神经网络，对神经网络进行了持续的训练，以确定一个人看到的东西与用fMRI记录的大脑活动之间的关系。
最初，要求志愿者观察一个简单的物体，然后对大脑进行功能磁共振成像扫描。 简单的对象是指图中数字或字母的图像。 结果，科学家收到了脑扫描和原始图像形式的数据集。 逐渐地，任务变得复杂了，神经网络在各种图像上进行了训练。 总共约有1800张原始图像和大脑活动图像包含在训练基地中。 大多数时候，科学家将其花费在神经网络的训练上，而不花在其他任何事情上。
使用中国专家的新方法和其他科学家团队在不同时间创建的各种其他方法显示的结果此外，根据对人脑的扫描，神经网络逐渐学会了恢复未显示给她的原始图像。 为了改善结果，训练了神经网络以区分噪声和图像中的有用数据。 结果，人们看到的计算机还原图像变得更清晰，更准确。 另外，科学家为神经网络提供了一个人看到的原始图像与计算机再现的图像的比较。
结果非常有趣。 神经网络已经学会了高精度地再现原始图像。 在许多情况下，这些图像比使用之前创建的任何其他技术更清晰。
“图像的大规模实验比较表明，我们实际上可以使用fMRI图像还原人眼看到的图像，并且比以前更准确地做到这一点，”项目经理Changde Du说。
根据专家的说法，该技术使您可以更轻松地创建无需任何中间步骤即可使用机器的神经接口。 也许在不久的将来，一个人将能够将其神经系统连接到计算机网络，传输数据并感知视觉图像。 明天将不可能实现，但是可能比考虑的要快。
arXiv：1704.07575