Bewegungsartefakte, insbesondere durch Atmung, sind eine häufige Ursache für die eingeschränkte
Beurteilbarkeit einer MRT des Pankreas. Die Nutzung von retrospektiv angewandten deep-learning
(DL)-basierten Nachverarbeitungsschritten zeigte in Studien das Potenzial zur Verkürzung
der Akquisitionszeit. In der vorliegenden Studie wird nun der Nutzen eines prospektiv
angewandten, neuen, DL-basierten Rekonstruktionsalgorithmus für Pankreas-MRTs untersucht.