BEGIN:VCALENDAR
METHOD:PUBLISH
PRODID:www-nat-fau-eu//Events//EN
VERSION:2.0
BEGIN:VEVENT
SUMMARY:Promotionsvortrag Physik: Phase Distribution Graphs - A new ap
 proach to MRI signal calculation
UID:040000008200E00074C5B7101A82E00800000000D0EDB021E470DC010000000000
 00000010000000162F2A31C90BD443BF85C506E05FD0F2
DESCRIPTION:Ankündigung des Promotionsvortrags von: Herrn Jonathan En
 dres Ein wesentlicher Bestandteil der MRT-Forschung ist die Entwicklun
 g neuer Messequenzen. Diese profitiert stark von der computergestützt
 en Simulation dieser Sequenzen\, welche Einblicke in die Entstehung de
 s MRT-Signals und die Durchführung beschleunigt. Neben der üblichen 
 Vorgehens-weise\, die Vorgänge im MRT durch die Berechnung der Magnet
 isierung an unzähligen Punkten nachzustellen\, existiert mit Extended
  Phase Graphs (EPG) ein mathematischer Ansatz\, sie ana-lytisch zu bes
 chreiben. EPG erlaubt es\, das Zustandekommen verschiedener Signalecho
 s zu er-klären und deren Amplitude zu berechnen. Ziel dieser Disserta
 tion war es\, diese Technik zu einer vollständigen Simulation des ges
 amten MRT-Signals auszubauen. Daraus resultierte die Entwick-lung der 
 Phase Distribution Graphs (PDG) &#8211\; ein mathematisches Modell der
  Magnetisierung\, die diese ähnlich zu EPG exakt beschreibt und denno
 ch genau wie bisherige numerische Näherungen das gesamte Signal einer
  Messung berechnen kann. Für dieses Ziel musste die Reduktion der exp
 onentiell ansteigenden Komplexität einer solchen analytischen Beschre
 ibung gelöst werden. Des Weiteren wurde der Abstand zwischen Simulati
 on und Realität durch die Inklusion verschie-dener physikalischer Ph
 änomene wie T2&#8242\; Dephasierung\, Diffusion\, Bewegung oder dynam
 ischer Feldinhomogenitäten stetig verkleinert werden. Dies wurde durc
 h die Quantifizierung der physi-kalischen Eigenschaften in-vivo und et
 licher Messungen in verschiedenen Projekten bestätigt. Das Resultat i
 st eine Simulation\, die nicht nur von Messungen ununterscheidbare Bil
 der erzeugen kann\, sondern auch in der Lage ist\, die Simulationszeit
  existierender Ansätze auf einen Bruchteil zu reduzieren. Zugleich st
 ellt sie die Grundlage vieler weiterer Entwicklungen dar\, wie der aut
 o-matischen Erkennung der Signalcodierung und der Berechnung der Point
  Spread Function\, und diverser Ende-zu-Ende Sequenzoptimierungen. (Vo
 r
DTSTART:20260114T140000Z
DTEND:20260114T153000Z
LOCATION:Hörsaal 01.020\, ZMPT\, Henkestr. 91\, Erlangen
DTSTAMP:20260405T141934Z
END:VEVENT
END:VCALENDAR