Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell aktivieren/deaktivieren

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name	Webedition CMS
Zweck	Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name	econda
Zweck	Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.

Statistik aktivieren/deaktivieren

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name	econda
Zweck	Measure with Visitor Cookie emos_jcvid

Externe Medien aktivieren/deaktivieren

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name	YouTube
Zweck	Zeige YouTube Inhalte
Name	Twitter
Zweck	Twitter Feeds aktivieren

Research

Deep Learning-based Magnetic Resonance Fingerprinting

Magnetic Resonance Fingerprinting (MRF) is a recently developed quantitative Magnetic Resonance Imaging technique. The sequence acquires multiple image contrasts, resulting in so-called fingerprints for every voxel by changing acquisition parameters. These fingerprints are used to reconstruct quantitative maps containing information about the physical state of the underlying tissues. This talk first will give an introduction to the quantitative acquisition and the State-of-the-art reconstruction methods. Further, it will give an overview about Deep Learning applications for MRF reconstruction and show how the efficient Deep Learning-based reconstruction can be achieved.

Video

https://youtu.be/OTtVnFCGm6I

Biosketch Elisabeth Hoppe

Elisabeth Hoppe received her Bachelor's degree in Medical Computer Science from the Ostbayerische Technische Hochschule Regensburg in 2015, and her Master's degree in Computer Science from the Friedrich-Alexander-Universität (FAU) Erlangen-Nürnberg in 2017. During her studies, she was always interested in applying technical knowledge for the development of new medical applications. During her master's studies, she joined the Pattern Recognition Lab (PRL) at FAU for her final thesis, where she worked together with a Siemens predevelopment group on a first prototype for Deep Learning-based reconstruction framework for the recently developed quantitative imaging method called MR Fingerprinting. At the moment, she continues her joint work with Siemens and PRL on quantitative MR acquisition and reconstruction methods for her PhD.

https://prl.tf.fau.de/person/hoppe/