该文综述扩散模型在脑影像与神经科学中的应用，包括胎儿脑MRI重建、基于fMRI的视觉图像重建、多模态MRI异常神经发育预测、大脑网络生成、跨模态三维医学图像合成、MRI超分辨率、脑功能网络长期变化估计及形状完成，展示其在神经影像分析与疾病诊断中的前景。

本文综述了多项脑影像人工智能研究，涵盖脑肿瘤分割、胎儿脑MRI多组织分割数据集与基准、基于孪生架构的左右半球不对称检测、小鼠脑多属性表征的自监督学习、无需配准的人脑MRI自动分割、胎儿MRI与高分辨率超声图像的自监督合成、围产期结构连接组时空平均基线、大规模小儿脑肿瘤多参数MRI数据集，以及多标记胎儿脑分割模型。

该文综述机器学习在自闭症谱系障碍诊断中的应用：通过不同算法筛选关键特征实现自动化诊断，并以聚类分析确定最佳模型；语音处理技术可评估儿童口语发展，F1宏分数达82.6%和67.8%；语音与文本特征联合模型在区分多种神经精神障碍时表现更佳；变分自编码器提取脑影像特征可提高分类精度；开源隐私保护数据集MMASD支持治疗监测；深度学习方法借助Siamese框架等实现两岁以下儿童早期诊断；动作学分析中端到端模型动作一致性更好，手工特征在特定任务中表现出色；研究还分析了奇怪言辞子量表与相关量表的关联及三类元数据对分类准确性的影响。