Synteza elementów metalicznych 3D w tomografii komputerowej, podejście oparte na modelach generatywnych GAN
Igor Hołowacz
Opracowany framework rozwiązuje problem braku wolumetrycznych danych treningowych dla algorytmów MAR (Metal Artefact Reduction) poprzez sterowaną syntezę artefaktów metalicznych 3D przy użyciu zmodyfikowanej architektury StyleGAN. Dzięki zastosowaniu wariacyjnego enkodera oraz autorskich masek naprowadzających, metoda zapewnia wysoką spójność wolumetryczną i realistyczny wygląd zakłóceń w całym skanie CT. Rozwiązanie to stanowi wydajną alternatywę dla symulacji fizycznych, umożliwiając skuteczniejsze trenowanie i ewaluację modeli głębokiego uczenia w zadaniach redukcji artefaktów.