马拉加大学(aia)的icai小组-计算智能和图像分析-的研究人员设计了一种空前的方法，该方法能够改善使用人工智能通过磁共振成像获得的大脑图像。按议论的性质不同：可以把论文范文分为立论文范文和驳论文范文。立论性的论文范文是指从正面阐述论证自己的观点和主张。
该新模型使用深度学习人工神经络-一种基于人脑功能的模型-来学习该过程，从而设法将图像质量从低分辨率提高到高分辨率，而不会扭曲患者的大脑结构。
深度学习基于非常大的神经络，因此其学习能力也达到了大脑的复杂性和抽象性，这项研究的主要作者卡尔·瑟恩霍夫解释说，他补充说，由于这种技术，识别活动可以单独进行，无需监督;人眼无法做的识别工作。
这项研究发表在科学杂志neurocomputing上，代表了科学突破，因为uma开发的算法可在更短的时间内产生更准确的结果，并为患者带来明显的好处。thurnhofer解释说：到目前为止，高质量的脑部图像的采集取决于患者保持固定在扫描仪中的时间;使用我们的方法，稍后将在计算机上进行图像处理。
据专家称，该结果将使专家能够以更高的准确性和清晰度来识别与大脑相关的病理，例如人身伤害，癌症或语言障碍等，因为图像细节较细，从而避免了在诊断时进行其他测试的性能。不确定。
如今，由这项研究的合著者ezequiellópez教授领导的uma的icai集团是神经计算，计算学习和人工智能的基准。计算机科学和编程语言系的教授恩里克·多明格斯(enriquedomínguez)和拉斐尔·卢克(rafael luque)以及研究员núriaroé-vellvé也参加了这项研究。