Prof. Dr. Susanne Schnell

KI in der Magnetresonanztomographie

Prof. Dr. Susanne Schnell, Lehrstuhlinhaberin Medizinphysik, entwickelt neue MRT-Mess-Sequenzen sowie Bildverarbeitungs- und Datenanalyse-Methoden mit dem Anwendungsschwerpunkt auf vaskuläre Erkrankungen (zum Beispiel Atherosklerose) und Herz-MRT. Methoden der KI werden dafür in der Bildverarbeitung und der Prognose angewandt. In der Bildverarbeitung wird KI zum einen zur Verbesserung der Datengrundlage verwendet, zum Beispiel indem die räumliche Auflösung mittels KI signifikant verbessert wird, was genauere Quantifizierung von hämodynamischen Parametern ermöglicht und eine Verkürzung der MRT-Messzeit. Zum anderen werden KI-Methoden bei der Segmentierung der Hirnarterien in der 4D-Blutflussmesssung mittels MRT genutzt. Dies ermöglicht volle Automatisierung der Bildanalyse und Quantifizierung von hämodynamischen Parametern wie Flussrate, Druckdifferenz oder Wandschubspannung. Weiterhin arbeitet Susanne Schnell an automatisierten Auswertungen in der MR-Herzbildgebung zur Quantifizierung der Herzverformung (cardiac strain) mittels KI und an Prognosen für einen zweiten Schlaganfall bei Patienten mit intrakranieller atherosklerotischer Stenose.

Folgende Projekte sind als Artikel eingereicht oder veröffentlicht:

1. E. Ferdian, D. Marlevi, J. Schollenberger, M. Aristova, E.R. Edelman, S. Schnell, C.A. Figueroa, D.A. Nordsletten, A.A. Young. Cerebrovascular super-resolution 4D Flow MRI – using deep learning to non-invasively quantify velocity, flow, and relative pressure, Submitted to Medical Image Analysis

2. H Berhane, M Aristova, Y Ma, M Markl, and S Schnell, Fully Automated Intracranial Vessel Angiogram Segmentation from 4D flow MRI Data in Intracranial Stenosis Patients using Deep Learning, abstract 1665, Proceedings International Society of Magnetic Resonance in Medicine (ISMRM) 2020 Sydney