Maschinelles Lernen in der MRT

Das Maschinelle Lernen (ML) stellt ein Teilgebiet innerhalb der Künstlichen Intelligenz (KI bzw. „artificial intelligence“, AI) dar und beinhaltet das Auffinden von Mustern und Gesetzmäßigkeiten in einer großen Anzahl von Trainingsdaten.

Eine spezielle Methode des maschinellen Lernens, die mehrschichtige künstliche neuronale Netze einsetzt, wird als „Deep Learning“ bezeichnet und hat sich in den letzten Jahren rapide weiterentwickelt.

Abbildung 1: Analyse der Intensitätsverläufe von Zielregionen (Orange, Rot, Pink) bei zeitaufgelösten MRT Aufnahmen

An unserem Institut werden unterschiedliche Verfahren des Maschinellen Lernens eingesetzt, um verschiedene Aspekte von MRT-Messungen zu verbessern. Haupteinsatzgebiete sind dabei die Optimierung der MRT-Aufnahmeparameter (Stichwort: „kognitive Sensorik“), die Verbesserung der Bildrekonstruktion durch tiefe neuronale Netze sowie die automatisierte Analyse der gewonnenen Bilder (z.B. Segmentierung oder Auffinden von Landmarken). Neben dem „Deep Learning“ wird dabei auch das modellbasierte Lernen („physics-informed learning“) angewandt, um die Komplexität des Lernprozesses durch das Einbringen von Vorwissen über physikalische Gesetzmäßigkeiten zu reduzieren.