Studentische Arbeit

In unserer Arbeitsgruppe entwickeln wir neue Methoden für die Ultrahochfeld (UHF) Magnetresonanzbildgebung (MR-Bildgebung) bei einer Feldstärke von 7 Tesla. Unser Hauptziel ist es, das höhere Signal-Rausch-Verhältnis gegenüber klinischen MR-Geräten (1,5 Tesla oder 3 Tesla) für in-vivo-Anwendungen am Menschen nutzen zu können. Ein Problem hierbei besteht jedoch in der räumlich inhomogenen Verteilung des Bildkontrastes und -signals, die durch räumlich inhomogene Hochfrequenz-(HF)-felder erzeugt werden, welche zur Anregung der Kernspins und Erzeugung des Signals notwendig sind. Diese räumliche Inhomogenität der HF-Felder kann jedoch durch sogenannte Multi-Element HF-Spulen ausgeglichen werden: durch eine optimierte Überlagerung der Sendefelder von 8 unabhängigen HF-Sendeelementen kann eine homogene Ausleuchtung erzeugt werden.
Eine wesentliche Voraussetzung für die Optimierung der Sendefelder und die anschließende "parallele Transmission" ist jedoch, dass die HF-Sendefelder der einzelnen Elemente bekannt sind. Diese müssen zu Beginn der eigentlichen Untersuchung für jeden Probanden neu gemessen werden. Dieser Prozess dauert mit momentanen Messzeiten von 5-15 Minuten jedoch wesentlich zu lange und behindert dadurch sehr stark die Durchführung von Patientenstudien am 7 Tesla MR Tomographen.

Kürzlich wurde in der AG ein neues Verfahren entwickelt, welches diese HF-Sendefelder innerhalb von wenigen Sekunden mit Hilfe eines Neuronalen Netzes vorhersagen kann. Als Eingabe dieses Netzes wird ein schnelles Übersichtsbild verwendet, welches ohnehin zu Beginn jeder Messung aufgenommen wird. Diese Karten können dann zur Optimierung der Sendefelder verwendet werden, um eine homogene Bildintensität in einer zweidimensionalen Schicht zu erhalten.

Das Ziel dieser Arbeit ist es, die Genauigkeit dieser Methode systematisch zu untersuchen und zu erweitern. Dieses Ziel ist in drei Arbeitspakete unterteilt.

1. Im ersten Schritt soll die Methode auf ihre Genauigkeit gegenüber den konventionellen Kartierungsmethoden systematisch untersucht werden.

2. Im zweiten Schritt soll das Netz so erweitert werden, dass es auch 3D Daten anstatt bisher nur 2D Daten verwenden kann. Dadurch lassen sich dann die HF-Felder über ein dreidimensionales Volumen bestimmen.

3. Im letzten Schritt sollen mit Hilfe der so bestimmten Karten HF-Pulse berechnet werden, die eine homogene Anregung eines 3D Volumens erzielen. Diese Pulse sollen in eine geeignete MR Sequenz implementiert werden und abschließend in einer Studie mit Probanden validiert werden

• Student/-in (m/w/d) der Fachrichtung Physik, Informatik, Medizintechnik oder vergleichbar
• Gute Programmierkenntnisse (Python/Matlab)
• Erste Erfahrungen in Bereich Deep Learning sind vorteilhaft
• Interesse an MR-Physik
• Ausgeprägte Team- und Kommunikationsfähigkeit

Dann nutzen Sie bitte unser Kontaktformular oder wenden Sie sich direkt an:

Dr. Sebastian Schmitter, Arbeitsgruppe 8.14
E-Mail: sebastian.schmitter(at)ptb.de
Tel.: 030 3481-7767