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 These zeigt dass Deep Learning die Kardiat-MRT-Erfassung mit minimaler Verarbeitungszeit beschleunigen kann.
«
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...
»