Beschleunigung der MRT-Bildgebung durch gemeinsames Lernen von Abtastung und Rekonstruktion mittels Reinforcement Learning

In dieser Arbeit wird ein neuartiger Ansatz zur gemeinsamen Optimierung von Abtast- und Rekonstruktionsverfahren für beschleunigte MRT-Bildgebung vorgestellt. Durch die Verwendung eines sparsammen Belohnungsmodells in einem teilweise beobachtbaren Markov-Entscheidungsprozess (POMDP) wird eine effizientere und leistungsfähigere Lösung des Gesamtoptimierungsproblems erreicht.