Benutzer: Gast  Login
Originaltitel:
Deep Learning Methods for Cardiac Magnetic Resonance Imaging Reconstruction
Übersetzter Titel:
Deep Learning Methoden für Herz Rekonstruktion der Magnetresonanztomographie
Autor:
Elrewaidy, Hossam Ahmed Mohammad
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Menze, Björn (Prof. Dr.)
Gutachter:
Menze, Björn (Prof. Dr.); Hedjazi Moghari, Mehdi (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
Deep Learning, Cardiac Magnetic Resonance Imaging, Image Reconstruction, MRI
Übersetzte Stichworte:
Deep Learning, kardiale Magnetresonanztomographie, Bildrekonstruktion, MRT
TU-Systematik:
MED 385
Kurzfassung:
Cardiac MRI is associated with a long acquisition process. This dissertation introduces novel deep learning-based models for fast reconstruction of highly undersampled cardiac MRI acquisitions: a complex-valued convolutional neural network (CNN) to improve the image quality of undersampled 3D LGE cardiac MRI, multi-domain CNN for highly accelerated dynamic cardiac imaging, and a rapid cardiac T1 mapping technique based on neural networks. This thesis demonstrates that deep learning can accelerat...     »
Übersetzte Kurzfassung:
Die kardiale MRT ist mit einem langen Anschaffungsprozess verbunden. Diese Dissertation stellt neuartige Deep Learning-basierte Modelle für die schnelle Rekonstruktion hochbeschleunigter kardialer MRT-Erfassungen vor: ein komplexes konvolutionales neuronales Netzwerk (CNN) zur Verbesserung der Bildqualität von unterabgetastet 3D-LGE-Herz-MRT, multi-domain-CNN für hochbeschleunigte dynamische kardiale bildgebung, und eine schnelle kardiale T1-Mapping-Technik auf basis neuronaler Netzwerke. Diese...     »
WWW:
https://mediatum.ub.tum.de/?id=1597607
Eingereicht am:
19.04.2021
Mündliche Prüfung:
23.11.2021
Dateigröße:
56834152 bytes
Seiten:
134
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20211123-1597607-1-2
Letzte Änderung:
20.12.2021
 BibTeX