Studentische Arbeit: Physik-basiertes Deep-Learning für die quantitative MRT (23.01.813)

Magnetresonanztomographie (MRT) ist ein vielseitiges Bildgebungsverfahren, das vielfach Anwendung in der Medizin findet. Die Standardverfahren der MRT liefern qualitative Graustufenbilder, auf denen Pathologien nur als Kontrastunterschiede zu gesundem Gewebe sichtbar sind. Die quantitative MRT bietet den Vorteil, dass Bildwerte (bio)-physikalischen Größen entsprechen und Pathologien dadurch anhand von Referenzwerten diagnostiziert werden können.

Eine große Herausforderung ist die genaue Berechnung der (bio)-physikalischen Parameter aus den aufgenommenen Daten. Dabei hat sich die Kombination aus physikalischen Modellen und flexiblen Netzwerkarchitekturen als sehr vielversprechend erwiesen. Im Rahmen dieses Projekts sollen neue Methoden entwickelt und evaluiert werden. Dieses Projekt baut auf aktuellen Arbeiten in der Arbeitsgruppe auf und wird in enger Kooperation mit einem klinischen Partner (Charité Berlin) durchgeführt.

Ihr Profil:

• Student*in der Physik, Elektrotechnik, Computerwissenschaften oder einer vergleichbaren Ingenieur- oder Naturwissenschaft
• Ausgezeichnete Programmierkenntnisse (Python)
• Ausgeprägte Team- und Kommunikationsfähigkeit
• Interesse an einem herausfordernden Projekt in den Bereichen Maschinelles Lernen und MR-Physik

Beschäftigungsort

Berlin

Organisationseinheit

Abt. 8 "Medizinphysik und metrologische Informationstechnik"

Ihre Bewerbung:

Christoph Kolbitsch, E-Mail: , Tel.: