Bildverarbeitung
Aus den aufgenommenen MRT-Bildern berechnen und analysieren wir quantitative MRT-Karten, die biophysikalische Maße exakt abbilden sollen. Zu diesem Zweck wenden wir fortgeschrittene Bildverarbeitungsalgorithmen an, die Verzerrungen berücksichtigen, die räumliche Ausrichtung verbessern und verschiedene Scans zu sogenannten multiparametrischen Karten kombinieren. Neueste Methoden des maschinellen Lernens ("machine learning") unterstützen uns beim Beschreiten neuer Wege zur Korrektur von Artefakten, denen mit herkömmlichen Bildverarbeitungsmethoden schwer beizukommen ist.
DeepcomplexMRI deep learning Bildrekonstruktion wurde angepasst, um multi-echo MRT Bilder zu verarbeiten. Erste Versuche mit verschiedenen K- Raum-Abtastungen zeigen eine vergleichbare Performance zu modernen iterativen Algorithmen wie ENLIVE, benötigen aber nur ca. 5 Minuten zur Rekonstruktion des gesamten 3D 1mm³/voxel aufgelösten Kopfbildes.
mehr
In vivo Quantifizierung transversaler Relaxationsparameter für verschiedene kortikale Strukturen des menschlichen Gehirns bei ultrahoher Feldstärke.
mehr
Eingebunden in die klinische Studie NISCI (Nogo Inhibierung bei akuten Rückenmarksverletzungen: www.nisci-2020.eu) verwenden wir quantitative Ganzhirn-MRT-Aufnahmen bei 3 Tesla als Biomarker für De- und Regeneration.
mehr
Ziel unserer Arbeit ist die Verbesserung der Zuverlässigkeit von Multi-Parameter-Karten des menschlichen Gehirns durch prospektive bzw. retrospektive Korrektur von Kopfbewegung und B0-Feld Fluktuationen oder Korrektur durch Deep Learning für Artefakte unbekannten Ursprungs.
mehr
