{"@context":{"aiiso":"http:\/\/purl.org\/vocab\/aiiso\/schema#","arm":"https:\/\/ld4p.github.io\/arm\/core\/ontology\/0.1\/","bf":"http:\/\/id.loc.gov\/ontologies\/bibframe\/","bib":"https:\/\/bibliotek-o.org\/","bibo":"http:\/\/purl.org\/ontology\/bibo\/","cito":"http:\/\/purl.org\/spar\/cito\/","classSchemes":"http:\/\/id.loc.gov\/vocabulary\/classSchemes","dbo":"http:\/\/dbpedia.org\/ontology\/","dce":"http:\/\/purl.org\/dc\/elements\/1.1\/","dcmitype":"http:\/\/dublincore.org\/documents\/2000\/07\/11\/dcmi-type-vocabulary\/#","dcterms":"http:\/\/purl.org\/dc\/terms\/","ebucore":"http:\/\/www.ebu.ch\/metadata\/ontologies\/ebucore\/ebucore","edm":"http:\/\/www.europeana.eu\/schemas\/edm\/","foaf":"http:\/\/xmlns.com\/foaf\/spec\/#","frap":"http:\/\/purl.org\/cerif\/frapo","identifiers":"http:\/\/id.loc.gov\/vocabulary\/identifiers","ids":"http:\/\/id.loc.gov\/vocabulary\/identifiers\/","opaque":"http:\/\/opaquenamespace.org\/","pcdm":"http:\/\/pcdm.org\/models#","phaidra":"https:\/\/phaidra.org\/ontology\/","rdam":"http:\/\/rdaregistry.info\/Elements\/m\/","rdau":"http:\/\/rdaregistry.info\/Elements\/u\/","rdax":"http:\/\/rdaregistry.info\/Elements\/x\/","rdf":"http:\/\/www.w3.org\/1999\/02\/22-rdf-syntax-ns#","rdfs":"https:\/\/www.w3.org\/TR\/rdf-schema\/","relators":"http:\/\/id.loc.gov\/vocabulary\/relators","role":{"@context":{"aut":{"@container":"@list","@id":"http:\/\/id.loc.gov\/vocabulary\/relators\/aut"},"dgs":{"@container":"@list","@id":"http:\/\/id.loc.gov\/vocabulary\/relators\/dgs"}}},"schema":"http:\/\/schema.org\/","skos":"http:\/\/www.w3.org\/2004\/02\/skos\/core#","skosxl":"http:\/\/www.w3.org\/2008\/05\/skos-xl"},"@id":"https:\/\/phaidra.ustp.at\/o:7649","bf:note":[{"@type":"bf:Note","skos:prefLabel":[{"@language":"deu","@value":"Hintergrund: Die fetale Magnetresonanztomografie (MRT) ist ein entscheidendes\nInstrument in der pränatalen Diagnostik, wird jedoch oft durch lange\nAufnahmezeiten und Bewegungsartefakte beeinträchtigt. Künstliche Intelligenz\n(KI)-basierte Nachverarbeitungsverfahren, insbesondere Super-Resolution\nAlgorithmen, bieten eine vielversprechende Möglichkeit, die Bildqualität zu\nverbessern, ohne die Scanzeit zu verlängern. Diese Masterarbeit evaluiert die\nklinische und technische Wirksamkeit eines solchen KI-basierten Super-resolution\nAlgorithmus für T2-gewichtete fetale MRT-Sequenzen.\nMethodik: in dieser retrospektiven Single-Center Studie wurden 30 fetale MRT-\nDatensätze analysiert, welche an einem 3T Philips Scanner akquiriert wurden. Pro\nFall wurden drei T2-gewichtete Turbo-Spin-Echo (TSE) Sequenzen verglichen:\neine konventionell beschleunigte Sequenz (T2 TSE cs), dieselbe Sequenz nach\nAnwendung des KI-Algorithmus (T2 AI SR) und eine Standard-hochauflösende\nSequenz (T2 HR cs). Die Bildqualität wurde sowohl anhand quantitativer Metriken\n(Signal-Rausch-Verhältnis [SNR], Kontrast-Rausch-Verhältnis [CNR], Edge-Rise\nDistance [ERD]) als auch durch eine qualitative Bewertung durch zwei erfahrene\npädiatrische Neuroradiolog*Innen beurteilt. Die qualitative Analyse erfolgte\nverblindet, randomisiert und mittels einer 4-Punkte-Likert Skala.\nErgebnisse: Die KI-verbesserte Sequenz (T2 AI SR) wurde qualitativ als\nsignifikant überlegen gegenüber der konventionellen und der hochauflösenden\nSequenz in den Kategorien Bildschärfe, Gewebekontrast, Gesamtbildqualität und\ndiagnostische Sicherheit bewertet (alle < 0.001). Diese überlegende diagnostische\nQualität wurde in 38% kürzerer Scanzeit im Vergleich zur hochauflösenden\nReferenzsequenz erreicht. Die quantitativen Metriken spiegelten diese subjektive\nPräferenz jedoch nicht konsistent wider: Es zeigten sich keine signifikanten\nVerbesserungen bei SNR und CNR sowie ein paradoxer Anstieg der ERD-Wertes\nfür die KI-Sequenz. Dies deutet darauf hin, dass traditionelle Metriken die\nperzeptuellen Vorteile der KI-rekonstruktion nur unzureichend erfassen.\nSchlussfolgerung: Die KI-basierte Super-Resolution-Nachverarbeitung kann die\nwahrgenommene diagnostische Qualität und klinische Nützlichkeit von\nultraschnellen fetalen MRT-Sequenzen erheblich verbessern und gleichzeitig den\nBedarf an hochauflösenden Bildern mit wesentlich längeren Aufnahmezeiten\ndeutlich reduzieren. Die Ergebnisse unterstützen nachdrücklich die Integration\ndieser Technologie zur Steigerung der diagnostischen Sicherheit und der\nWorkflow-Effizienz in der zeitkritischen und bewegungsanfälligen fetalen\nBildgebung. Die Studie unterstreicht jedoch auch die entscheidende Bedeutung\nder perzeptuellen Expertenbewertung, da traditionelle quantitative Metriken den\ndiagnostischen Nutzen von KI-generierten Bildern möglicherweise nicht\nvollständig abbilden."}]},{"@type":"bf:Note","skos:prefLabel":[{"@language":"eng","@value":"Background: Fetal Magnetic Resonance Imaging (MRI) is crucial tool in prenatal\ndiagnostics, yet it is often challenged by long acquisition times and motion artifacts,\nwhich can compromise image quality. Artificial intelligence (AI)-based post-\nprocessing techniques, particularly super-resolution, offer a promising solution to\nenhance image quality without extending scan duration. This thesis evaluates the\nclinical and technical efficacy of an AI-based super-resolution algorithm for T2-\nweighted fetal MRI.\nMethods: This retrospective, single-center study analyzed 30 fetal MRI datasets\nacquired on a 3T Philips scanner. Three T2-weighted turbo spin-echo (TSE)\nsequences were compared for each case: a conventional accelerated sequence\n(T2 TSE cs), the same sequence enhanced by the AI algorithm (T2 AI SR), and a\nstandard high-resolution sequence (T2 HR cs). Image quality was assessed using\nboth quantitative metrics (Signal-to-Noise Ratio [SNR], Contrast-to-Noise ratio\n[CNR], Edge-Rise Distance [ERD]) and a qualitative evaluation performed by two\nexpert pediatric neuroradiologists using a blinded, randomized setup with a 4-point\nLikert scale.\nResults: The AI-enhanced sequence (T2 AI SR) was qualitatively rated as\nsignificantly superior to both the conventional and high-resolution sequences in\nperceived image sharpness, tissue contrast, overall image quality, and diagnostic\nconfidence (all < 0.001). This superior diagnostic quality was achieved in 38% less\nscan time compared to the high-resolution reference. Quantitative metrics,\nhowever, did not consistently align with this subjective preference, revealing no\nsignificant improvements in SNR and CNR and showing a paradoxical increase in\nERD for the AI sequence. This suggests that traditional metrics may not adequately\ncapture the perceptual benefits of AI-driven reconstruction.\nConclusion: AI-based super-resolution post-processing can substantially improve\nthe perceived diagnostic quality and clinical usability of ultrafast fetal MRI\nsequences while significantly reducing the need for high-resolution images with\nsubstantially longer acquisition times. The findings strongly support the integration\nof this technology to enhance diagnostic confidence and workflow efficiency in the\ntime-sensitive and motion-prone environment of fetal imaging. However, the study\nalso highlights the critical importance of expert perceptual evaluation, as traditional\nquantitative metrics may not fully reflect the diagnostic utility of AI-generated\nimages."}]},{"@type":"bf:Note","skos:prefLabel":[{"@language":"deu","@value":"Fachhochschule St. Pölten, Masterarbeit 2025, Studiengang Digital Healthcare "}]}],"dce:subject":[{"@type":"skos:Concept","skos:prefLabel":[{"@language":"deu","@value":"KI-basierte Super-Resolution"}]},{"@type":"skos:Concept","skos:prefLabel":[{"@language":"deu","@value":"Fetale Magnetresonanztomografie (MRT)"}]},{"@type":"skos:Concept","skos:prefLabel":[{"@language":"deu","@value":"Bildqualität & diagnostische Sicherheit"}]},{"@type":"skos:Concept","skos:prefLabel":[{"@language":"deu","@value":"Quantitative vs. perzeptuelle Bewertung"}]},{"@type":"skos:Concept","skos:prefLabel":[{"@language":"eng","@value":"AI-based super-resolution"}]},{"@type":"skos:Concept","skos:prefLabel":[{"@language":"eng","@value":"Fetal magnetic resonance imaging (MRI)"}]},{"@type":"skos:Concept","skos:prefLabel":[{"@language":"eng","@value":"Image quality & diagnostic confidence"}]},{"@type":"skos:Concept","skos:prefLabel":[{"@language":"eng","@value":"Quantitative vs. perceptual evaluation"}]}],"dce:title":[{"@type":"bf:Title","bf:mainTitle":[{"@language":"eng","@value":"Improving the diagnostic quality of fetal MRI: Evaluation of an AI-based post-processing approach for ultrafast image enhancement"}]}],"dcterms:language":["eng"],"dcterms:type":[{"@type":"skos:Concept","skos:exactMatch":["https:\/\/pid.phaidra.org\/vocabulary\/69ZZ-2KGX"],"skos:prefLabel":[{"@language":"eng","@value":"text"}]}],"ebucore:filename":["mdh_mt_rebecca_mittermaier_dh231809.pdf"],"ebucore:hasMimeType":["application\/pdf"],"edm:hasType":[{"@type":"skos:Concept","skos:exactMatch":["https:\/\/pid.phaidra.org\/vocabulary\/PYRE-RAWJ"],"skos:prefLabel":[{"@language":"eng","@value":"other"},{"@language":"deu","@value":"sonstige"}]}],"edm:rights":["http:\/\/rightsstatements.org\/vocab\/InC\/1.0\/"],"role:aut":[{"@type":"schema:Person","schema:familyName":[{"@value":"Mittermaier"}],"schema:givenName":[{"@value":"Rebecca"}]}],"role:dgs":[{"@type":"schema:Person","schema:familyName":[{"@value":"Jakl"}],"schema:givenName":[{"@value":"Andreas"}]}]}