A mágneses rezonancia képalkotás (MRI) az orvosi diagnosztika egyik legsokrétűbb eszköze, mivel a mérési paraméterek beállításával azonos anatómiai régióról is eltérő kontrasztú és felbontású képek készíthetőek. A mérőeszköz sokoldalúságának azonban ára van, ha mérés paramétereinek beállítása szuboptimális, vagy a páciens a felvétel készítése közben jelentősebben elmozdul, az elkészült felvételek nem feltétlenül alkalmasak diagnosztikai célokra. Az ilyen értékelhetetlen felvételek aránya akár a 15-30%-ot is elérheti, az ilyen képek automatikus detektálása nagyban megkönnyíthetné a radiológus szakorvosok illetve az MRI felvételekkel dolgozó kutatók munkáját.

A gyenge minőségű felvételek automatikus detektálása megvalósítható gépi tanulás, azon belül konvolúciós neurális háló modellek segítségével. A hallgató feladata, hogy megvizsgálja a leggyakrabban megjelenő képi műtermékek tipikus okait és megjelenését, és ezek ismeretében javaslatot tegyen olyan kettő vagy háromdimenziós konvolúciós kernelekre, amik ezeket a műtermékeket kiemelik. A javasolt konvolúciós kerneleket a hallgató összeveti egy betanított konvolúciós neurális háló kerneleivel.