Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

A foundational AI-MRI framework for self-supervised discovery of transformative low-field MRI techniques

Descrizione del progetto

Risonanza magnetica potenziata con l’IA

La risonanza magnetica (RM), una tecnica non invasiva che utilizza campi magnetici e onde radio, produce immagini ad alta risoluzione di tessuti e organi e può essere usata per diagnosticare le malattie senza esposizione alle radiazioni. Tuttavia, il suo costo elevato ne limita l’applicabilità nella clinica. La risonanza magnetica a basso campo funziona con intensità di campo magnetico inferiori e promette di fornire un’immaginografia portatile e a prezzi accessibili, ma ha alcune limitazioni nella qualità dell’immagine. Il progetto NEW-CONTRAST-MRI, finanziato dal CER, propone di integrare l’IA in una struttura auto-supervisionata per ottimizzare i parametri dei test. Questo dovrebbe accelerare la scansione e migliorare la qualità e il contrasto delle immagini, trasformando così la risonanza magnetica a basso campo in una modalità adatta a contesti clinici con scarse risorse.

Obiettivo

Magnetic resonance imaging (MRI) is crucial to healthcare for its radiation-free, high-quality scans, but its high cost leaves 70% of the global population without access. Emerging low-field MRI technology offers affordable, portable systems with transformative potential, but faces critical challenges: long scan times, low signal-to-noise ratio (SNR), and poor tissue contrast, which makes some tissues indistinguishable. Although contrast agents help, they add risks. Early studies showed that low-field MRI can detect cancer without contrast agents using unique pulse sequences, but those are manually designed and slow. Recently, AI has been adopted for clinical high-field MRI, but AI pulse-sequence optimization relies on supervised learning, limiting discovery, AI theory is scarce, and simulations do not fully capture MRI’s complex spin dynamics. Moreover, AI use in low-field MRI remains mostly focused on image post-processing, while pulse sequence design, sampling, and reconstruction remain traditional and suboptimal.

I propose to develop a foundational AI framework that will transform low-field MRI into a rapid, high-quality modality. To break the barriers posed by supervised AI and simulations, my key innovation is an integrated AI-MRI framework, where on-the-fly MRI measurements guide a self-supervised AI search through the parameter space. Leveraging AI foundations I have recently developed, the framework will jointly optimize pulse sequences, sampling, and reconstruction to revolutionize imaging. Specific aims: (1) speed up MRI by an order of magnitude; (2) establish AI theory; (3) build the framework and develop cutting-edge sequences for optimal tissue contrast; and (4) demonstrate these in human scans with my lab’s low-field MRI. Preliminary results support the feasibility of our design aims. This project will transform low-field MRI into a fast, affordable, contrast-agent-free tool with broad clinical applications, particularly in low-income regions.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
La classificazione di questo progetto è stata convalidata da un essere umano.

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) ERC-2025-STG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

TECHNION - ISRAEL INSTITUTE OF TECHNOLOGY
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 1 812 500,00
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 1 812 500,00

Beneficiari (1)

Il mio fascicolo 0 0