Analyse der Korrelation zwischen Konventioneller und Dynamischer UHF MRT Rekonstruktion

Projektbeschreibung

Deep Learning hat in den letzten Jahrzehnten viel Aufmerksamkeit erhalten und wird als eine der wichtigsten Methoden für potenzielle Durchbrüche im medizinischen Bereich anerkannt. Diese Arbeit ist ein vorläufiger Versuch, facettenreiche Einblicke in statische und dynamische gelernte MRT Rekonstruktion zu geben. Zunächst wird das Problem des Domain Shifts im Zusammenhang mit hochmodernen MRT-Rekonstruktionsnetzwerken im Hinblick auf Variationen der Trainingsdaten untersucht. Im zweiten Teil dieser Arbeit werden bestehende Methoden und Erkenntnisse in der MRT Rekonstruktion an die 7T MRT Rekonstruktion dynamischer kardialer Prozesse angepasst. Zusammenfassend komme ich zu dem Schluss, dass die Erkenntnisse über Domain Shift, Rekonstruktionsqualität und Faktoren, die sich auf die Rekonstruktionsqualität von Netzwerken in 1,5T und 3T-MRTs auswirken, auch auf andere Magnetfeldstärken übertragen werden können, was den Übergang zu Ultrahochfeld- (7T) und Niedrigfeld-MRT (0.5T) erleichtert.

Bundeswettbewerb Sonderpreis Mathematik/Informatik:

Preis für eine Arbeit auf dem Gebiet Qualitätssicherung durch Zerstörungsfreie Prüfung | Deutsche Gesellschaft für Zerstörungsfreie Prüfung e. V

Bayerischer Landeswettbewerb: