Forschung
Niederfeld-MRT
Die Magnetresonanztomographie (MRT) hat sich über die Jahre vor allem durch immer stärkere Magnetfelder weiterentwickelt. Höhere Feldstärken verbessern die Signalqualität und ermöglichen so schärfere Bilder und eine höhere diagnostische Genauigkeit. Diese sogenannten Hochfeld-MRT-Systeme, die typischerweise mit 1,5 Tesla oder mehr arbeiten, sind jedoch teuer und auf eine spezialisierte Infrastruktur angewiesen. Gerade in Regionen mit begrenzten Ressourcen stehen sie daher oft nur eingeschränkt zur Verfügung.
Genau hier setzt unser Niederfeld-MRT Lab an. Die Niederfeld-MRT (engl. Low-Field MRI) arbeitet mit deutlich geringeren Feldstärken von unter 200 mT. Solche Systeme kommen ohne aufwendige Infrastruktur wie Kryokühlung oder eine HF-Schirmkammer aus und lassen sich kompakt und mobil bauen. Damit umgehen sie die zentralen Hürden der Hochfeld-MRT:
- deutlich geringere Kosten in Anschaffung und Betrieb
- Einsatz ohne spezielle Räume oder Gebäudetechnik
- mobile Bildgebung direkt am Patientenbett oder vor Ort
- Zugang zur MRT auch in Regionen mit begrenzten Ressourcen
Die zentrale Herausforderung ist das schwächere Signal. Wir arbeiten daran, die Bildqualität der Niederfeld-MRT zu verbessern und neue Anwendungsfelder zu erschließen.
Forschungsthemen
In unserem Niederfeld-MRT Lab erforschen und entwickeln wir an der gesamten Kette der Niederfeld-MRT, von der Mechanik über die Elektronik bis zur Bildrekonstruktion. Hardware und Software, Optimierungsverfahren und KI-gestützte Algorithmen greifen dabei in allen Themenfeldern ineinander. Innovative Konzepte und neue Anwendungsfelder entwickeln wir in enger Zusammenarbeit mit dem Fraunhofer MEVIS und der internationalen Open-Source-Community.
Innovatives Magnetdesign
In diesem Forschungsfeld entwickeln wir neue Methoden zur Auslegung statischer Magnetfelder und Gradientenfelder mit resistiven Spulen und Permanentmagneten. Durch optimierte Magnetkonfigurationen wie Halbach-Arrays und adaptive Abschirmungen erreichen wir eine höhere Feldhomogenität, Stabilität und Kosteneffizienz – entscheidende Faktoren für die Leistungsfähigkeit von LF-MRT-Systemen. Eine robotergestützte Automatisierung sichert die Fertigungsqualität; die Messdaten fließen direkt in unsere Simulationsumgebung zurück und ermöglichen eine iterative Optimierung.
Elektronik und Sensorik
Die Bildqualität eines MRT-Systems hängt maßgeblich von seiner Elektronik ab. Die Atomkerne im Körper senden nur ein sehr schwaches Funksignal aus, das bei niedrigen Feldstärken noch geringer ist. Zudem verändert sich das Feld von Permanentmagneten mit der Temperatur und damit auch die Resonanzfrequenz der Kerne. Wir entwickeln daher rauscharme Empfangsketten mit Vorverstärkern und Sende-Empfangs-Umschaltern sowie Hall-Sensorik, die das Magnetfeld fortlaufend erfasst. Auf Basis dieser Messwerte wird die Larmorfrequenz während der Bildaufnahme automatisch nachgeführt.
Neue Bildgebungsverfahren
Wir erforschen innovative Bildgebungsmethoden, insbesondere das Design von Pulssequenzen, um das Potenzial der LF-MRT voll auszuschöpfen. Diese Verfahren reduzieren Off-Resonanz-Effekte und die spezifische Absorptionsrate (SAR) und ermöglichen so eine flexiblere und präzisere Bildgebung. Lungengewebe, Herzstrukturen sowie Regionen in der Nähe metallischer Implantate lassen sich dadurch besser darstellen – ein deutlicher Zugewinn an diagnostischen Möglichkeiten. Einen besonderen Schwerpunkt legen wir auf hochspezialisierte MRT-Sequenzen für Screening-Anwendungen.
Signalmodellierung mit maschinellem Lernen und physikalischen Modellen
Durch die Verbindung von künstlicher Intelligenz und physikbasierten Modellen verbessern wir die Signalverarbeitung in der LF-MRT. Algorithmen des maschinellen Lernens, etwa zur universellen Rauschunterdrückung, gleichen das geringe Signal-Rausch-Verhältnis (SNR) aus und ermöglichen eine schnellere, klarere und zuverlässigere Bildgebung. So wird die LF-MRT zu einem wettbewerbsfähigen und robusten Werkzeug für die medizinische Diagnostik.
Und vieles mehr
Sie interessieren sich für unsere Forschung oder möchten mit uns zusammenarbeiten? Sprechen Sie uns gerne an – die Ansprechpersonen finden Sie unter Kontakt.
Projekte
DeLoRI
Dedicated Low-field MRI for Breast
Ein Niederfeld-MRT-System speziell für das Brustkrebs-Screening, das Früherkennung kostengünstig und breit verfügbar machen soll.
Im Projekt DeLoRI (Dedicated Low-field MRI for breast) entwickeln wir ein Niederfeld-MRT-System, das gezielt auf das (Brust-)Krebs-Screening zugeschnitten ist. Das Projekt soll zeigen, welches Potenzial die Niederfeld-MRT für Früherkennung und Diagnose bietet – insbesondere für medizinisch unterversorgte Bevölkerungsgruppen. Durch die Verbindung moderner Technologien mit innovativen Methoden wollen wir die medizinische Bildgebung neu denken und den Weg zu einer inklusiveren, zugänglicheren und wirkungsvolleren Gesundheitsversorgung ebnen.
Abschlussarbeiten
Wir bieten zahlreiche Abschlussarbeiten entlang der gesamten Entwicklungskette der Niederfeld-MRT an. Je nach Profil lassen sich die Arbeiten auf magnetische Systeme, Elektronik- und Firmware-Entwicklung oder Charakterisierung ausrichten – oder auf Softwareentwicklung, Datenanalyse und Algorithmenentwicklung.
Eine Übersicht aller aktuellen Ausschreibungen finden Sie hier.
Kooperationspartner
Kontakt
Dr.rer.nat.
Gruppenleiter „Low-Field MRI Lab“
Ansprechperson „allgemein“
M.Sc.
Ansprechperson „Hardware“
M.Sc.
Ansprechperson „Software“
Ausgewählte Publikationen
- Lavronenko K., Ochsendorf M., Thull J., Schulz V. (2025). Differentiable Dipole-Based Optimization of Permanent Magnets for Homogeneous B0 Fields in Low-Field MRI. Magnetic Resonance Materials in Physics, Biology and Medicine, 38(Suppl. 1), S1–S889. Book of Abstracts, ESMRMB 2025, 41st Annual Scientific Meeting, 8.–11. Oktober 2025. https://doi.org/10.1007/s10334-025-01278-8
- Ochsendorf M., Lavronenko K., Schulz V. (2025). Nonlinear Model-Based B0 Field Compensation in Low-Field MRI Using Hall Sensor Arrays and Spatial Interpolation. Magnetic Resonance Materials in Physics, Biology and Medicine, 38(Suppl. 1), S1–S889. Book of Abstracts, ESMRMB 2025, 41st Annual Scientific Meeting, 8.–11. Oktober 2025. https://doi.org/10.1007/s10334-025-01278-8
- Lavronenko K., Yilmaz R., Chen Z., Stegmaier J., Schulz V. (2026). Atlas-Augmented Semantic Segmentation for Robust Ultra-Low-Field Pediatric Brain Imaging. In: Lepore N., Linguraru M. G. (Hrsg.), Low Field Pediatric Brain Magnetic Resonance Image Segmentation and Quality Assurance. LISA 2025. Lecture Notes in Computer Science, Bd. 16411. Springer, Cham. https://doi.org/10.1007/978-3-032-14417-1_8
- Ochsendorf M., Keunecke S. C., Hüsing M., Corves B., Schulz V. (2027). Modular Piggyboard-Based Segmented IC Architecture for Deterministic Multi-Sensor Integration in Mechatronic Systems. In: Nguyen V. L., Nguyen P. D., Quang Hoang N., Carbone G. (Hrsg.), Robotics and Mechatronics. ISRM 2026. Mechanisms and Machine Science, Bd. 213. Springer, Cham. https://doi.org/10.1007/978-3-032-29469-2_17