Source : https://arxiv.org/pdf/2412.19814v1
Le document explore la prédiction des états du cerveau humain en utilisant une architecture de transformateur avec des données d’imagerie par résonance magnétique fonctionnelle (IRMf). Il souligne la complexité du cerveau et l’importance de comprendre sa dynamique pour la neurologie et les interfaces cerveau-ordinateur. Les auteurs proposent une méthode basée sur un transformateur pour prédire les futurs états de repos du cerveau à partir de courtes séquences d’IRMf, démontrant une précision de prédiction allant jusqu’à 5,04 secondes à partir de 21,6 secondes de données précédentes. Les résultats initiaux suggèrent que le modèle apprend les dépendances temporelles des états du cerveau et reflète l’organisation fonctionnelle du cerveau, offrant des implications potentielles pour réduire le temps de numérisation de l’IRMf et prédire les conditions cérébrales.