Startseite > Medizintechnik > MedTech-Komponenten > Schneller durchs MRT mit KI

Siemens Healthineers

Schneller durchs MRT mit KI

13. Juli 2022, 10:12 Uhr | Siemens Healthineers

Eine hohe Beschleunigung der MR-Bildgebung führt bei konventioneller Bildrekonstruktion zu starkem Rauschen. Mit Deep Resolve können bislang undenkbare Beschleunigungsfaktoren angewendet werden – bei gleichbleibend hoher Bildqualität.

Deep-Resolve-Technologien können MRT-Untersuchungen des Gehirns um bis zu 70 Prozent verkürzen - und verbessern.

Neue, KI-gestützte Algorithmen machen Kompromisse bei der Aussteuerung zwischen Dauer des Scans, Auflösung und Signal-Rausch-Verhältnis überflüssig. Die Deep Resolve-Technologie wird eingeführt, um das gesamte MRT-Portfolio abzudecken.

Auf dem Europäischen Radiologiekongress (ECR) in Wien hat Siemens Healthineers neue Funktionalitäten auf Basis von Künstlicher Intelligenz (KI) vorgestellt, welche die Magnetresonanztomographie (MRT) beschleunigen und verbessern. Im Bereich der MRT wird die Bildqualität durch das Verhältnis zwischen Scandauer, der Auflösung und dem Bildrauschen definiert. Wird eine dieser Komponenten verbessert, so bedeutet dies in der Regel einen Kompromiss bei einer der anderen. »Deep Resolve« kann dieses Dilemma auflösen.

MRT-Bilder perfekt aussteuern

Die Deep-Learning-Technologie zur Rekonstruktion klinischer Bilder ermöglicht es medizinischen Fachkräften, eine deutlich schnellere Scanzeit zu wählen – bei gleichbleibender Auflösung und reduziertem Rauschen – oder erlaubt es, die Bildqualität noch weiter zu erhöhen, ohne die Scanzeit zu verlängern. Deep Resolve nutzt dabei nicht das endgültige klinische Bild und verbessert dieses, sondern setzt zu einem früheren Zeitpunkt an: Die Technologie arbeitet mit den Rohdaten des Scanners, um KI-Algorithmen bereits ab den ersten Schritten der Bildrekonstruktion anzuwenden.

Kürzer in der Röhre

Die Verkürzung der Scanzeit ist besonders wertvoll für Patient*innen, die sich im MRT-Scanner unwohl fühlen, was beispielsweise bei Kindern häufig der Fall ist. Das frühe Nutzen aller verfügbaren Rohdaten bietet großes Potenzial, um die Dauer der Scans zu verkürzen. Damit können die Deep-Resolve-Algorithmen die Scanzeiten um bis zu 70 Prozent beschleunigen und gleichzeitig die Auflösung verdoppeln. Durch die einzigartige Simultaneous-Multi-Slice (SMS)-Technologie von Siemens Healthineers kann die Scanzeit noch weiter beschleunigt werden – um bis zu 80 Prozent.

»Die Kniebildgebung mit MRT dauert auf einem 3-Tesla-System in der Regel etwa zehn Minuten. Mit Deep-Resolve-Algorithmen haben wir diese Zeit auf unter zwei Minuten reduziert – bei gleicher Bildqualität und gleichem diagnostischem Wert,« sagt Arthur Kaindl, Leiter Magnetresonanztomographie bei Siemens Healthineers. Dr. med. Saif Afat, Universitätsklinikum Tübingen, fügt hinzu: „Es ist wirklich eindrucksvoll, die Auswirkungen von Deep Resolve auf die klinische MRT-Bildgebung zu sehen. Nehmen wir die Prostatabildgebung: Mit Deep Resolve senken wir die Scanzeit von 10:21 Minuten für den T2 TSE in allen drei Ausrichtungen mit konventioneller Rekonstruktion auf nur 03:50 Minuten. Und das bei gleichbleibender oder sogar besserer Bildqualität.« Der Medizininer sieht die neuartige Technologie damit als unverzichtbar für den klinischen Alltag an.

KI-Training für alle MRT-Arten

Deep Resolve ist nicht auf bestimmte Körperregionen beschränkt und kann somit bei fast jedem diagnostischen Verfahren mittels MRT helfen. Es besteht aus verschiedenen Algorithmen, die kombiniert werden können. Deep Resolve wurde mit Tausenden von kuratierten Datenpaaren trainiert, indem Daten aus unbeschleunigten und beschleunigten Scans sowie aus Bildpaaren mit höherer und niedrigerer Auflösung verglichen wurden. Während des gesamten Rekonstruktionsprozesses führt das System eine automatische verpflichtende Datenkonsistenzprüfung durch, um den Diagnosewert und die Qualität des Bildes sicherzustellen. Deep Resolve wird auf das gesamte MRT-Portfolio ausgeweitet.

Deep Resolve verwendet für jeden Scan individuelle Rauschkarten. Diese helfen dem Algorithmus, Bereiche im endgültigen Bild zu identifizieren, die stark von Rauschen betroffen sein könnten, und das Bildrauschen mit hoher Präzision zu entfernen. Dadurch kann bei gleicher Scanzeit ein Bild mit stark reduziertem Rauschen erzeugt werden. (uh)