Core Concepts
Die Verwendung von physikinformierten synthetischen Daten ermöglicht eine generalisierbare Deep Learning-Technik für die schnelle MRT-Rekonstruktion.
Abstract
Die MRT ist eine wichtige radiologische Modalität, die umfassende Einblicke in den menschlichen Körper bietet.
Deep Learning hat sich als effektiv für die schnelle MRT-Bildrekonstruktion erwiesen.
Die Verwendung von synthetischen Daten in Kombination mit verbesserten Lernmethoden ermöglicht eine hohe Bildqualität.
Das PISF-Framework ermöglicht eine generalisierbare DL für die MRT-Rekonstruktion über verschiedene Szenarien hinweg.
Die Anpassungsfähigkeit des PISF-Frameworks an verschiedene Patientenpopulationen wurde erfolgreich validiert.
Stats
Die Verwendung von synthetischen Daten reduziert die Abhängigkeit von realen MRT-Daten um bis zu 96%.
Quotes
"Die Verwendung von synthetischen Daten ist eine kostengünstige und effektive Ressource für die Entwicklung von DL-Modellen."
"Das PISF-Framework ermöglicht eine generalisierbare DL in einer Vielzahl von schnellen MRT-Szenarien."