Physiologische Bewegungen des Patienten während der Strahlentherapie ist ein gewichtiges Problem für die genaue Verteilung der Bestrahlungsdosis. Eine genaue Kompensation der Bewegungsstörungen in Echtzeit könnte mittels eines MRT-geführten Strahlentherapiesystems durchgeführt werden. Das Ziel dieses Projektes ist die Entwicklung von Algorithmen, die mit hoher Robustheit, die örtliche Schätzung intrafraktioneller Bewegungen ohne Implantation von Markern möglich machen und den Stand der Technik sowohl hinsichtlich von Genauigkeit als auch Rechenzeit deutlich verbessern.

Zum Erreichen verbesserter Bewegungskompensation sollen kürzlich erreichte Fortschritte der diskreten mathematischen Optimierung mit Lernverfahren kombiniert werden um vielfältiges Vorwissen und Patienten-spezifische Bewegungsmodelle in die Schätzung einfließen zu lassen. Während einer kurzen Lernphase sollen MRT Bilder mit hoher zeitlicher Auflösung unter freier Atmung aufgenommen werden. Hieraus kann analog zu Vorarbeiten und mit Hilfe von sehr effizienten nichtlinearen Registrierungstechniken, ein Bewegungsmodell basierend auf einer Hauptkomponentenanalyse oder mit Bayes Modellen bestimmt werden. Merkmalspunkte, die ausreichend Bildinformationen an geometrisch interessanten Positionen im Referenzscan enthalten sollen automatisch und mit Hilfe von Lernverfahren gefunden werden um das invasive Einbringen von Markern zu vermeiden.

Eine robuste, echtzeitfähige Bewegungsschätzung, mit hoher Genauigkeit, wird dann durch den Einsatz eines effizienten numerischen Optimierungsverfahren unter Verwendung des gelernten Modells zur Regularisierung der Lösung erreicht. Hierbei können potentielle Fehler durch die Verwendung eines sehr großen Suchraums diskreter Verschiebungsvektoren vermieden werden. Der Algorithmus soll mit retrospektiven klinischen 4D-MRT Aufnahmen und manuell annotierten Landmarken auf seine Tauglichkeit überprüft und mit anderen Methoden des aktuellen Forschungsstandes verglichen werden.