Die Magnetresonanztomographie (MRT) hat die kardiale Bildgebung verändert und bietet eine nicht-invasive und detaillierte Darstellung von Struktur und Funktion des Herzens. Der außergewöhnliche Weichteilkontrast der MRT ermöglicht eine genaue Beurteilung der kardialen Anatomie, der Blutflussdynamik und der Lebensfähigkeit des Herzmuskels. Eine große Herausforderung bei der kardialen MRT sind jedoch die langen Scanzeiten aufgrund der mehrfachen Bildaufnahme über mehrere Herzschläge hinweg. Faktoren wie das Anhalten des Atems, die Anforderungen an die hohe Auflösung und die Komplexität der Herzbewegungen tragen zu dieser langen Dauer bei und führen zu Unbehagen beim Patienten und Bewegungsartefakten, die die Bildqualität beeinträchtigen können. Laufende Weiterentwicklungen, einschließlich beschleunigter Bildgebungstechniken und Bewegungskorrekturalgorithmen, zielen darauf ab, die Scanzeiten zu verkürzen und das volle Potenzial der kardialen MRT zu erschließen, um die Behandlung von Herz-Kreislauf-Erkrankungen und die diagnostische Präzision zu verbessern.

Ziel dieses Projekts ist die Entwicklung einer bewegungsintegrierten KI-basierten kardialen MRT-Rekonstruktionstechnik, die eine präzise Ganzherzbildgebung bei freier Atmung ermöglicht. Um dieses Ziel zu erreichen, werden wir die folgenden Ziele verfolgen:

1. Entwicklung einer beschleunigten KI-basierten MRT-Rekonstruktionspipeline, die Unsicherheitsmodelle in die Analyse einbezieht, um die Vertrauenswürdigkeit der Bildqualität zu erhöhen
2. Verbesserung der MRT-Rekonstruktion feiner anatomischer Details, um die Verzerrung von gesundem Gewebe in KI-Modellen zu vermeiden und die klinische Zuverlässigkeit zu verbessern
3. Entwicklung und Einbindung von KI-basierter 4D-Bewegungsvorhersage mit schnellerem Sparse-K-Space für die MRI-Erfassung
4. Verbesserung der Erklärbarkeit von KI-Methoden für die MR-Bildverarbeitung durch die Kombination von KI-basierter Merkmalsextraktion mit robusten graphbasierten Optimierungsstrategien