NeRF for medical images

Tomografia komputerowa jest jednym z częściej wykonywanych badań diagnostycznych, które pozwala lekarzom stawiać dokładniejsze diagnozy. Jednakże wiąże się ono z wystawieniem pacjenta na kontakt z promieniowaniem jonizującym, które może w przyszłości skutkować zmianami nowotworowymi. Aby zminimalizować ryzyko pokłada się szerokie nadzieje w użyciu sieci neuronowych, pozwalających generować trójwymiarowe modele przy użyciu mniejszej ilości skanów. W niniejszej pracy magisterskiej zostaje zaprezentowany model HyperNeRFGAN, dostosowany do danych medycznych i osiągający porównywalne wyniki, a w niektórych metrykach przewyższające te uzyskiwane przez MedNeRF i UMedNeRF, czyli modeli obecnie uważanych za przodujące w tej dziedzinie.

Computed tomography is one of the most frequently performed diagnostic tests, which allows doctors to make more accurate diagnoses. However, it is associated with exposing the patient to ionizing radiation, which may result in cancerous changes in the future. In order to minimize the risk, there are great hopes for the use of neural networks, which allow the generation of three-dimensional models using fewer scans. In this master's thesis, the HyperNeRFGAN model is presented, adapted to medical data and achieving comparable results, and in some metrics superior to, those obtained by MedNeRF and UMedNeRF, models currently considered to be the leaders in this field.