MetaN: AI-driven, reconfigurable metamaterial imaging technology for MR

Ziel des AI Center for Health Care-Projekts Meta^N ist eine effizienzverbesserte MRT-Bildgebung durch den Einsatz flexibler und dynamisch durch Methoden der Künstlichen Intelligenz optimierter Metamaterialien.

Von links: Valeria Lazzoni, Johannes Müller, Marc-Oliver Becker © Shanice Allerheiligen / U Bremen Research Alliance

Aktivierung erforderlich

Mit einem Klick auf dieses Vorschaubild willigen Sie ein, dass Inhalte von Youtube nachgeladen werden. Hierdurch erhält Google (USA) die Information, dass Sie unsere Seite aufgerufen haben sowie die in diesem Rahmen technisch erforderlichen Daten. Wir haben auf die weitere Datenverarbeitung durch Google keinen Einfluss. Bitte beachten Sie, dass in Bezug auf Youtube und Google kein angemessenes Datenschutzniveau vorliegt.
Weitere Informationen / Datenschutz

Das Projekt MetaN aus den UBRA-Mitgliedseinrichtungen Universität Bremen, Fraunhofer-Institut für Fertigungstechnik und Angewandte Materialforschung IFAM und Fraunhofer Institut für Digitale Medizin MEVIS zielt darauf ab, die Effizienz der Magnetresonanz-Bildgebung (MRT) zu verbessern. Die zentrale Hypothese ist, dass durch den Einsatz von Metamaterialien eine Steigerung des Signal-Rausch-Verhältnisses, ein verbesserter Bildkontrast und schnellere Aufnahmemethoden erreicht werden können, ohne stärkere Magnetfelder zu benötigen. Dabei soll die Optimierung der Metamaterialien mithilfe von KI-gestützten Ansätzen erfolgen.

Im Mittelpunkt steht die Entwicklung einer Methode, die während der Bildaufnahme für eine verbesserte Bildqualität sorgt. Dafür werden dynamisch konfigurierbare, flexible Metamaterialien entwickelt und getestet. Diese Metamaterialien sind resonante Strukturen, die während der Bildaufnahme dynamisch programmiert werden können, um ihre Eigenschaften zu ändern und so für vielfältige Einsatzzwecke die Effizienz der Bildaufnahme steigern. Ein besonderer Fokus liegt auf der Entwicklung und Erprobung von Prototypen, die mithilfe von KI optimiert und in verschiedenen Testreihen validiert werden.

Für Patient:innen bedeutet dies schnellere und genauere MRT-Untersuchungen mit besserer Bildqualität. Dies könnte zu präziseren Diagnosen und kürzeren Untersuchungszeiten führen, was die Akzeptanz und den Komfort für Patienten erhöht. Langfristig könnte die neue Technologie dazu beitragen, die Verbreitung und Zugänglichkeit von MRT-Technologien weltweit zu verbessern und Kosten zu senken.