预处理 HCP 开发的工作流之后，我们会进行后期处理，生成皮质表面和区域分割、结构连接图和功能网络图。
然后，对于代表 0-100 岁的所有参与者的神经结构和功能的复杂多模态数据，我们会将这些数据协调一致，并配准到标准大脑图谱上。然后，使用该图谱来训练生成式变分自动编码器 (VAE-GAN) 模型。
生成基于扩散 (DTI) 的组织分割图像，以执行解剖学约束的纤维束成像。为了获得神经纤维定向密度的分布情况，该算法执行了约束球面反卷积 (CSD) 的多外壳多组织 (MSMT) 分析。估计对于脑白质 (WM)、脑灰质 (GM) 和脑脊液 (CSF) 的 MSMT 响应函数，并用于创建与组织密度和纤维方向对应的 4D 图像。在此基础上，进行确定性纤维束成像，以生成代表大脑两个半球的结构连接的流线型纤维。
最后，使用球面反卷积知情轨迹图滤波 (SIFT) 算法来减少流线总数量，并提供更具生物学意义的结构连接密度估算结果。