End-to-End Deep Learning Auto-Navigation und Rekonstruktion für beschleunigtes freies Atmen bewegungsauflösendes MRT

Motivation: Moderne klinische MRT-Techniken im Abdomen sind nach wie vor durch Bewegung, Erwerbszeit und Rekonstruktionszeit eingeschränkt. Ziel(e): Entwicklung eines End-to-End Deep Learning Ansatzes, der Auto-Navigation und bewegungsauflösende Rekonstruktion für schnelles und robustes freies Atmen T1-gewichtetes MRT mit einer Scandauer von nur 1 Minute und Rekonstruktionszeiten von <1 Minute umfasst. Ansatz: Die Akquisition verwendete eine 3D T1-gewichtete Golden-Angle Stack-of-Stars Pulssequenz mit RANGR Auto-Navigation und Movienet Rekonstruktion für bewegungsauflösendes Imaging, implementiert auf einem klinischen Scanner. Zwei erfahrene Radiologen bewerteten die Bildqualität. Ergebnisse: Die vorgeschlagene Deep Learning Technik ermöglicht robustes freies Atmen MRT mit einer Scandauer von 1 Minute, das sich günstig zum klinischen Standard verhält. Auswirkung: Die Kombination aus Deep Learning Auto-Navigation und bewegungsauflösender Rekonstruktion ermöglicht schnelles und robustes freies Atmen MRT im Abdomen, was das Potenzial hat, die Anzahl der Wiederholungsscans zu reduzieren und die Effizienz im Vergleich zu aktuellen klinischen Standards zu steigern.