Oportunidades Públicas

Fecha de Creación	Descripción	Mentor(es)	Acciones
18/12/2025	Evaluation of Multifrequency Deep Image Prior for Real-Time 0.55 T Radial Cardiac Cine MRI Cardiac cine Magnetic Resonance Imaging (MRI) is the gold standard for assessing heart function, but conventional techniques rely on electrocardiogram(ECG)-based acquisitions over multiple heartbeats, which limits temporal resolution and excludes patients with irregular heart rhythms. Recent advances in artificial intelligence have introduced Time-Dependent Deep Image Prior (TD-DIP), a powerful method that enables high–temporal-resolution cardiac imaging from very short MRI acquisitions. However, standard TD-DIP still depends on ECG signals, restricting its applicability in patients with arrhythmias. The Multifrequency TD-DIP framework overcomes this limitation by learning cardiac motion directly from the data—without requiring ECG input. This method has shown promising results at 1.5 T using spiral acquisitions. The objective of this project is to implement and evaluate Multifrequency TD-DIP for radial cardiac cine MRI at 0.55 T. Low-field MRI systems offer improved patient comfort, lower costs, and greater accessibility, but they also present exciting challenges due to reduced signal-to-noise ratio (SNR). This project offers hands-on experience at the intersection of MRI physics, signal processing, and deep learning, contributing to more accessible and patient-friendly cardiac MR imaging technologies. Keywords: deep learning resonancia magnética imágenes cardiacas Problemas Inversos Prerequisites: No prerequisites Available vacancies: 10/10 Class Code Initials: IEE IBM ING PhD students who will assist in mentoring for this research opportunity: Tabita Catalán This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Evaluación de Deep Image Prior Multifrequencial para Cine Cardíaco en Tiempo Real con MRI Radial a 0.55 T La resonancia magnética cardíaca (MRI) de cine es el estándar de oro para evaluar la función del corazón. Sin embargo, los métodos convencionales requieren adquisiciones sincronizadas con electrocardiograma (ECG) a lo largo de múltiples latidos, lo que limita la resolución temporal y dificulta el estudio de pacientes con arritmias. Avances recientes en inteligencia artificial han dado lugar al Time-Dependent Deep Image Prior (TD-DIP), una técnica que permite reconstrucciones con alta resolución temporal a partir de adquisiciones cortas. No obstante, el TD-DIP tradicional sigue dependiendo del ECG, lo que restringe su uso clínico. El enfoque Multifrequency TD-DIP supera esta limitación al modelar el movimiento cardíaco directamente desde los datos, sin necesidad de señales de ECG. Esta metodología ha sido validada previamente a 1.5 T utilizando adquisiciones espirales. El objetivo de este proyecto es implementar y evaluar Multifrequency TD-DIP para adquisiciones radiales de cine cardíaco a 0.55 T. Los sistemas de resonancia de bajo campo ofrecen mayor comodidad para los pacientes, menores costos y mayor accesibilidad, aunque presentan desafíos debido a su menor relación señal-ruido (SNR). Este proyecto brinda una oportunidad para adquirir experiencia práctica en resonancia magnética, procesamiento de señales y aprendizaje profundo, contribuyendo al desarrollo de tecnologías de imagen cardíaca MRI más inclusivas y accesibles. Keywords: deep learning resonancia magnética imágenes cardiacas Problemas Inversos Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 10/10 Siglas iniciales: IEE IBM ING Estudiantes de doctorado que ayudarán mentoreando en esta investigación: Tabita Catalán Tiene un método de evaluación Nota 1-7, con 10 créditos	Claudia Del Carmen Prieto Vásquez René Michael Botnar	Ver