Die Herzinsuffizienz ist eine häufige Krankheit mit hoher Sterblichkeit und eine der häufigsten Todesursachen. Magnetresonanztomographie (MRT) des Herzens ist eine wichtige diagnostische Untersuchungstechnik für die Funktionsdiagnostik bei Herzinsuffizienz und vielen anderen Herzerkrankungen. Die Ultrahochfeld-MRT (UHF-MRT) des Herzens bei einer Feldstärke von sieben Tesla verspricht zukünftig, höchste physikalische Empfindlichkeit, höchste Ortsauflösung sowie vollkommen neue Bildkontraste. Der Einsatz in der biomedizinischen Grundlagenforschung wird neue Einblicke in Krankheitsmechanismen geben, insbesondere auch in Verbindung mit modernen datengetriebenen Analysetechniken wie tiefem und maschinellem Lernen.

Ein wesentliches Hemmnis für die breite Anwendung der UHF-MRT ist die komplexe Verteilung elektromagnetischer Wellen im Körper der Patientinnen und Patienten, die die Bildqualität negativ beeinflusst und auch die theoretische Gefahr einer unerwünschten Überwärmung des Gewebes birgt. Konventionelle Rechenmethoden zur Berechnung der 3D-Feldverteilung benötigen mehrere Tage und können so nicht an zu behandelnden Personen eingesetzt werden.

Daher wird im Forschungsvorhaben MAGNET4Cardiac7T ein neuer Ansatz entwickelt: Mittels „Physics-Informed Neural Networks“ (PINNs) sollen neuronale Netzwerke auf der Basis der Maxwell-Gleichungen trainiert werden, die diese Berechnungen innerhalb weniger Minuten durchführen können. Die bisher nur für die zweidimensionale Anwendung beschriebenen PINNs sollen für den dreidimensionalen Fall weiterentwickelt werden. PINNs sollen zukünftig auch in ganz neuen medizinischen Anwendungen wie beispielsweise im Bereich der Elektrophysiologie angewendet werden.