Rekonstrukcija oblika organa iz para rendgenskih slika korištenjem neuronskih mreža

diplomski rad

• Naslov (engleski): Reconstruction of organ shapes from pairs of X-ray images using neural networks
• Autor: Dominik Sekula
• Mentor: Matko Orsag (mentor)
• Član povjerenstva: Matko Orsag (član povjerenstva)
• Član povjerenstva: Tamara Petrović (član povjerenstva)
• Član povjerenstva: Frano Petric (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-02-27, Hrvatska

Sažetak

Ovaj rad istražuje primjenu Neural Radiance Fields (NeRF) za problem rekonstrukcije trodimenzionalnih modela iz dvodimenzionalnih rendgenskih slika. Korištenjem generiranih digitalno rekonstruiranih radiografa iz AbdomenCT-1K skupa podataka, analizirane su različite metode rekonstrukcije radi evaluacije performansi na rekonstrukciji modela. MedNeRF metoda, posebno prilagođena medicinskoj rekonstrukciji korištena je za potrebe izvedbe ovog rada. Evaluacija modela izvodila se tijekom treniranja putem FID i KID mjera kvalitete modela, dok pri rekonstrukciji koristile su se mjere PSNR i SSIM. Rezultate predstavljamo kao analizu optimalne količine slika po pacijentu, ali i usporedbu između standardne MedNeRF implementacije koristeći i 1 sliku za rekonstrukciju, naspram one gdje koristimo 2 slike i novu funkciju gubitka.

Sažetak (engleski)

This paper investigates the application of Neural Radiance Fields (NeRF) to the problem of reconstructing three-dimensional models from two-dimensional X-ray images. Using generated digitally reconstructed radiographs from the AbdomenCT-1K dataset, different reconstruction methods were analyzed to evaluate the model’s performance. The MedNeRF method, specially adapted to medical reconstruction, was used to conduct this work. Model evaluation was performed during training using FID and KID quality measures, while PSNR and SSIM measures were used during reconstruction. We present the results as an analysis of the optimal amount of images per patient, but also a comparison between the standard MedNeRF implementation using 1 image for reconstruction, versus the one proposed in the thesis, where we use 2 images and a new loss function.

• Ključne riječi: NeRF; 3D rekonstrukcija; 3D model; polje zračenja; DRR
• Ključne riječi (engleski): NeRF; medicine; 3D reconstruction; 3D model; radiance fields; DRR
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:368863
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-03-28 07:54:15