Lesion probability mapping in MS patients using a regression network on MR fingerprinting

• Verfasst von: Hermann, Ingo [VerfasserIn]
• Verfasst von: Golla, Alena-Kathrin [VerfasserIn]
• Verfasst von: Martínez-Heras, Eloy [VerfasserIn]
• Verfasst von: Schmidt, Ralf [VerfasserIn]
• Verfasst von: Solana, Elisabeth [VerfasserIn]
• Verfasst von: Llufriu, Sara [VerfasserIn]
• Verfasst von: Gass, Achim [VerfasserIn]
• Verfasst von: Schad, Lothar R. [VerfasserIn]
• Verfasst von: Zöllner, Frank G. [VerfasserIn]
• Titel: Lesion probability mapping in MS patients using a regression network on MR fingerprinting
• Verf.angabe: Ingo Hermann, Alena K. Golla, Eloy Martínez-Heras, Ralf Schmidt, Elisabeth Solana, Sara Llufriu, Achim Gass, Lothar R. Schad and Frank G. Zöllner
• E-Jahr: 2021
• Jahr: 08 July 2021
• Umfang: 11 S.
• Fussnoten: Gesehen am 05.07.2022
• Titel Quelle: Enthalten in: BMC medical imaging
• Ort Quelle: London : BioMed Central, 2001
• Jahr Quelle: 2021
• Band/Heft Quelle: 21(2021), Artikel-ID 107, Seite 1-11
• ISSN Quelle: 1471-2342
• DOI: doi:10.1186/s12880-021-00636-x
• Datenträger: Online-Ressource
• Sprache: eng
• Sach-SW: Deep learning reconstruction
• Sach-SW: Lesion prediction
• Sach-SW: Magnetic resonance fingerprinting
• Sach-SW: T1T1T_1 Mapping
• Sach-SW: T2∗T2∗{T_2}^* Mapping
• K10plus-PPN: 1809134455
• K10plus-PPN:
  Universitätsbibliothek
• Lokale URL UB: Zum Volltext

Abstract

To develop a regression neural network for the reconstruction of lesion probability maps on Magnetic Resonance Fingerprinting using echo-planar imaging (MRF-EPI) in addition to T1, T2∗, NAWM, and GM- probability maps.