CareLit Fachartikel

Impact of Deep-Learning Reconstruction on MRI Workflows: A Retrospective Analysis at a Large Academic Tertiary Center

Melina Rizzetti, Arwed E. Michael, Haidara Almansour, Vanessa I. Schöffling, Marc A. Brockmann, Ahmed Othman, Sebastian Altmann · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2026 · Heft 06

Dokument
980060
CareLit-ID
Jahr
2026
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Autor:innen
Melina Rizzetti, Arwed E. Michael, Haidara Almansour, Vanessa I. Schöffling, Marc A. Brockmann, Ahmed Othman, Sebastian Altmann
Ausgabe
Heft 06 / 2026
Seiten
–
Erschienen: 2026-06-03 00:00:00
ISSN
1438-9029
DOI
10.1055/a-2857-0974

Zusammenfassung

Zusammenfassung Ziel Künstliche Intelligenz wird zunehmend in die klinische Routine integriert. Insbesondere Deep-Learning (DL)-basierte Rekonstruktionsverfahren zeigen in der Magnetresonanztomografie (MRT) ein hohes Potenzial zur Beschleunigung von Untersuchungsabläufen und Verbesserung der Bildqualität. Ziel dieser Studie war es, den Einfluss DL-gestützter Bildrekonstruktion auf MRT-Arbeitsabläufe und Untersuchungsprotokolle ein Jahr nach klinischer Implementierung zu evaluieren. Material und Methoden In dieser retrospektiven monozentrischen Studie wurden 8183 MRT-Untersuchungen aus den Jahren 2023–2024 hinsic…

Schlagworte

Deep Learning MR-imaging workflow patient throughput artificial intelligence RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Ver…