چکیده: در چند دهه اخیر، تحقیقات در زمینه رمزگذاری و رمزگشایی فعالیت های مغز از روی داده های تصویربرداری رزونانس مغناطیسی عملکردی (fMRI) دستاوردهای چشم گیری داشته است. با این وجود، رمزگشایی فعالیت های مغز به منظور بازسازی تصاویر طبیعی درک شده توسط انسان، همچنان یک مسئله قابل بررسی است. چرا که، این تصاویر حاوی اطلاعات متنوع و پیچیده ای هستند. در این پژوهش، رویکردی بر مبنای شبکه های خودرمزگذار رقابتی (AAEs)، به منظور رمزگشایی فعالیت های مغز ارائه می شود. از این رو، ابتدا یک شبکه عصبی AAE، با بیش از 11 هزار تصویر طبیعیِ رویت نشده توسط سوژه ها، آموزش داده می شود. فضای نهان این ساختار، توصیفی معنادار از هر تصویر را ارائه می دهد. سپس نگاشتی از داده های fMRI به فضای نهان شکل می دهیم، که بر اساس آن داده های fMRI به کدهای نهان هم بُعد با کدهای نهان شبکه AAE، تبدیل می شوند. به هنگام تستِ مدل رمزگشایی، از نگاشت آموزش دیده، استفاده می کنیم و الگوهای fMRI هر سه سوژه انسانی را به کدهای نهان تبدیل می کنیم، در نهایت کدها با استفاده از ساختار رمزگشای شبکه AAE، به بازنمایی های قابل درکی از تصاویر تست، بدل می شوند. مدل رمزگشایی پیشنهادی، با استفاده از داده های مجزا، آموزش دیده و تست می شود. به منظور سنجش کمی عملکرد روش پیشنهادی، دو معیار شباهت ساختاری چندمقیاسه (SSIM) و ضریب همبستگی (CC) به ازای تصاویر بازسازی شده، گزارش می شوند. نتایج به دست آمده حاکی از عملکرد موفق و امیدبخش رویکرد پیشنهادی است. به طوری که در دو سوژه آزمایشی میانگین معیار ضریب همبستگی روی تصاویر تست، بیش از 0/7 گزارش شده است.