KI-gesteuerte Echtzeit-Bewegungs- und B0-Feldkorrektur

Die Magnetresonanztomographie (MRT) gehört zu den wichtigsten Verfahren der modernen Medizin. Sie ermöglicht Ärztinnen, Ärzten und Forschenden, das Innere des menschlichen Körpers ohne Strahlenbelastung zu untersuchen. Eine einzelne MRT-Untersuchung kann bis zu 30 Minuten oder länger dauern, während der sich Patientinnen und Patienten unvermeidlich leicht bewegen etwa beim Schlucken oder durch minimale Kopfbewegungen. Schon solche kleinen Bewegungen können zu verschwommenen oder unbrauchbaren Bildern führen. Das hat zur Folge, dass Scans wiederholt werden müssen, was zusätzliche Kosten und Belastungen verursacht. Das Ziel dieses Projekts ist es, eines der größten Probleme der MRT zu lösen: Bewegungsbedingte Bildfehler und Instabilitäten des Magnetfelds während der Aufnahme. Dafür kombinieren wir modernste MRT-Physik mit Künstlicher Intelligenz (KI). Unser Team entwickelt extrem schnelle Navigatoren kurze Messungen, die direkt in die Hauptsequenz der MRT eingebettet sind. Diese können selbst kleinste Kopfbewegungen und Veränderungen des Magnetfelds in Echtzeit erfassen. Mithilfe tiefer neuronaler Netze werden diese Signale sofort in präzise Informationen über die Kopfposition und den Zustand des Magnetfelds übersetzt, sodass das System die Bewegung bereits während der Messung korrigieren kann. Die neue Technologie wird an Freiwilligen an der Medical University of Vienna, im Hochfeld-MR- Zentrum, mit 3-Tesla- und 7-Tesla-Scannern getestet. Diese Hochleistungsgeräte liefern außergewöhnlich detaillierte Bilder des menschlichen Gehirns und ermöglichen ein besseres Verständnis von Erkrankungen wie Multipler Sklerose, Hirntumoren und Alzheimer. Wenn das Vorhaben erfolgreich ist, werden MRT-Untersuchungen künftig schneller, genauer und angenehmer. Wiederholte Scans werden reduziert, die Kosten sinken, und die diagnostische Qualität verbessert sich. Der neue Ansatz trägt so zu präziseren und zuverlässigeren Diagnosen neurologischer Erkrankungen und zu einer besseren Versorgung von Patientinnen und Patienten bei.