Hintergrund Die perkutane Mikrowellenablation ist ein etabliertes minimalinvasives Verfahren zur Behandlung von Lebertumoren. Hierbei wird unter Bildgebungskontrolle eine Sonde in den Tumor eingebracht, die über Mikrowellen für eine lokale Erwärmung sorgt. Dies führt zu einer thermischen Zerstörung des Tumorgewebes. Ziel des Verfahrens ist die vollständige Ablation des Tumors einschließlich eines Sicherheitsrandes bei möglichst geringer Belastung für die Patientinnen und Patienten. Eine MR-geführte Durchführung bietet dabei wesentliche Vorteile, insbesondere eine exzellente Weichteildarstellung sowie die Möglichkeit der MR-Thermometrie, mit der Temperaturänderungen während der Ablation in Echtzeit überwacht werden können. Für eine zuverlässige thermische Überwachung ist eine schnelle und robuste Verarbeitung der MR-Messdaten entscheidend. Im MRT entstehen Bilder nicht direkt, sondern müssen zunächst aus den gemessenen komplexen Rohdaten berechnet werden. Diese Bildrekonstruktion ist ein zentraler Verarbeitungsschritt zwischen der eigentlichen Messung und der späteren Auswertung. Für eine MR-Thermometrie in Echtzeit muss die Datenaufnahme außerdem stark beschleunigt werden. Die Bildrekonstruktion muss daher aus unvollständigen Messdaten verlässliche Bilder und Temperaturkarten berechnen. Klassische Verfahren sind dafür oft rechnerisch aufwendig und nur eingeschränkt echtzeitfähig. Neuronale Netze könnten hier eine schnellere Alternative mit hoher Rekonstruktionsgenauigkeit bieten. Ziel der Arbeit Ziel der Arbeit ist die Entwicklung und Evaluation eines Deep-Learning-basierten Verfahrens zur Rekonstruktion von MR-Thermometrie-Daten bei perkutaner Mikrowellenablation von Lebertumoren. Im Fokus steht die Rekonstruktion aus unterabgetasteten nicht-kartesischen MR-Rohdaten mit geringer Latenz. Das entwickelte Verfahren soll mit einem konventionellen Referenzansatz auf Basis paralleler Bildgebung und Compressed Sensing verglichen und hinsichtlich Rekonstruktionsqualität, Temperaturgenauigkeit und Rechenzeit bewertet werden. Weiterführende Literatur findet sich unter anderem hier: MR-Thermometrie: https://onlinelibrary.wiley.com/doi/10.1002/jmri.21265 MR-Thermometrie bei perkutaner Mikrowellenablation: https://www.tandfonline.com/doi/full/10.1080/02656736.2025.2589820#d1e322 Deep-Learning-Bildrekonstruktion: https://www.nature.com/articles/s41598-025-96071-x, https://aapm.onlinelibrary.wiley.com/doi/10.1002/mp.17909
Kontakt: Marcel Gutberlet (Gutberlet.Marcel@mh-hannover.de)
Contact person: Jana Hutter
