Magnetresonanztomograph (MRT)
ProjektZiele
An den fünf NAKO Standorten Augsburg, Berlin, Essen,
Mannheim und Neubrandenburg nimmt eine ausgewählte Gruppe an Studienteilnehmenden an einer Magnetresonanztomografie (MRT)-Untersuchung teil.
Die MRT, ist ein nicht-invasives, hochauflösendes Bildgebungsverfahren, das ohne Röntgenstrahlen oder radioaktive Strahlung, sondern nur durch die Verwendung von Magnetfeldern funktioniert. Ziel ist es, das gesamte Körperinnere und sogar Organbewegungen durch einzelne Schichten dreidimensional darzustellen. Dabei werden auch Frühveränderungen an den Organen, krankhafte Prozesse oder auch besondere Varianten des menschlichen Körpers sichtbar. Um die Entstehung von Volkskrankheiten besser zu verstehen und dadurch zum Beispiel bessere Vorsorgeverfahren zu entwickeln, wurde die MRT als Untersuchungsverfahren in die NAKO Studie aufgenommen.
Erste Ergebnisse
Siehe Publikationen
Publikationen
Jung M, Raghu VK, Reisert M, et al. Deep learning-based body composition analysis from whole-body magnetic resonance imaging to predict all-cause mortality in a large western population. eBioMedicine. 2024;110:105467. http://doi.org/10.1016/j.ebiom.2024.105467
Kellner E, Sekula P, Lipovsek J, et al. Imaging markers derived from MRI-based automated kidney segmentation. Deutsches Ärzteblatt international. 2024. http://doi.org/10.3238/arztebl.m2024.0040
Schlett CL, Hendel T, Hirsch J, et al. Quantitative, Organ-Specific Interscanner and Intrascanner Variability for 3 T Whole-Body Magnetic Resonance Imaging in a Multicenter, Multivendor Study. Investigative Radiology. 2016;51(4):255-265. http://doi.org/10.1097/RLI.0000000000000237
Küstner T, Hepp T, Fischer M, et al. Fully Automated and Standardized Segmentation of Adipose Tissue Compartments via Deep Learning in 3D Whole-Body MRI of Epidemiologic Cohort Studies. Radiology: Artificial Intelligence. 2020;2(6):e200010. http://doi.org/10.1148/ryai.2020200010
Schuppert C, Krüchten RV, Hirsch JG, et al. Whole-Body Magnetic Resonance Imaging in the Large Population-Based German National Cohort Study: Predictive Capability of Automated Image Quality Assessment for Protocol Repetitions. Invest Radiol. 2022;57(7):478-487. http://doi.org/10.1097/RLI.0000000000000861
Kart T, Fischer M, Winzeck S, et al. Automated imaging-based abdominal organ segmentation and quality control in 20,000 participants of the UK Biobank and German National Cohort Studies. Sci Rep. 2022;12(1):18733. http://doi.org/10.1038/s41598-022-23632-9
Gatidis S, Kart T, Fischer M, et al. Better Together: Data Harmonization and Cross-Study Analysis of Abdominal MRI Data From UK Biobank and the German National Cohort. Invest Radiol. 2023;58(5):346-354. http://doi.org/10.1097/RLI.0000000000000941
Haueise T, Schick F, Stefan N, et al. Analysis of volume and topography of adipose tissue in the trunk: Results of MRI of 11,141 participants in the German National Cohort. Sci Adv. 2023;9(19):eadd0433. http://doi.org/10.1126/sciadv.add0433
Fischer M, Küstner T, Pappa S, et al. Identification of radiomic biomarkers in a set of four skeletal muscle groups on Dixon MRI of the NAKO MR study. BMC Med Imaging. 2023;23(1):104. http://doi.org/10.1186/s12880-023-01056-9
Schuppert C, Rospleszcz S, Hirsch JG, et al. Automated image quality assessment for selecting among multiple magnetic resonance image acquisitions in the German National Cohort study. Sci Rep. 2023;13(1):22745. http://doi.org/10.1038/s41598-023-49569-1
Sprecherinnen und Sprecher
Prof. Dr. Fabian Bamberg
Prof. Dr. Christopher Schlett (Stellv. Sprecher)