Beschleunigte muskuloskeletale Magnetresonanztomographie mit Deep-Learning-gestützter Bildrekonstruktion bei 0,55 T–3 T

Author:

Vosshenrich Jan,Fritz Jan

Abstract

Zusammenfassung Klinisches/methodisches Problem Die Magnetresonanztomographie (MRT) ist ein zentraler Bestandteil der muskuloskeletalen Diagnostik. Lange Akquisitionszeiten können jedoch zu Einschränkungen in der klinischen Praxis führen. Radiologische Standardverfahren Die MRT hat sich aufgrund des hohen Auflösungsvermögens und Signal-zu-Rausch-Verhältnisses (SNR) sowie des exzellenten Weichteilkontrastes als Modalität der Wahl in der Diagnostik von Verletzungen und Erkrankungen des muskuloskeletalen Systems etabliert. Methodische Innovationen Kontinuierliche Weiterentwicklungen in der Hard- und Softwaretechnologie haben eine bildqualitäts- und genauigkeitsneutrale Beschleunigung von 2D-Turbo-Spin-Echo(TSE)-Sequenzen um den Faktor 4 ermöglicht. Kürzlich vorgestellte, auf Deep Learning (DL) basierende Bildrekonstruktionsalgorithmen helfen, die Abhängigkeit zwischen SNR, räumlicher Auflösung und Akquisitionszeit weiter zu minimieren und erlauben die Anwendung höherer Beschleunigungsfaktoren. Leistungsfähigkeit Die kombinierte Anwendung fortschrittlicher Beschleunigungstechniken und DL-basierter Bildrekonstruktion birgt enormes Potenzial, um die Effizienz, den Patientenkomfort und die Zugänglichkeit der muskuloskeletalen MRT bei gleichbleibend hoher diagnostischer Genauigkeit zu maximieren. Bewertung DL-rekonstruierte beschleunigte MRT-Untersuchungen haben ihre Praxisreife und ihren Mehrwert innerhalb kürzester Zeit unter Beweis gestellt. Aktuelle wissenschaftliche Erkenntnisse legen nahe, dass das Potenzial dieser Technologie noch nicht ausgeschöpft ist. Empfehlung für die Praxis Beschleunigte MRT-Untersuchungen mit DL-gestützter Bildrekonstruktion können zuverlässig in der Primärdiagnostik und Verlaufskontrolle muskuloskeletaler Fragestellungen eingesetzt werden.

Funder

University of Basel

Publisher

Springer Science and Business Media LLC

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3