X線CTイメージング

Computed Tomography

このシリーズについて

X線CT（コンピュータ断層撮影）は、X線を用いて物体の内部構造を非破壊で可視化する技術である。医療診断、工業検査、材料科学など幅広い分野で利用されている。

本シリーズでは、X線の物理からラドン変換による数学的定式化、フィルタ補正逆投影法（FBP）による画像再構成、そして最新の反復法・深層学習アプローチまでを段階的に学習する。

X線CTの基本方程式

$$I = I_0 \exp\left(-\int_L \mu(x, y) \, dl\right)$$

$\mu(x, y)$：線減弱係数、$L$：X線経路

図1：コーンビームCT投影のシミュレーション。X線源が被写体（Stanford Bunny）の周囲を回転し、各角度での投影像が平面検出器に記録される様子。この多方向の投影データから Feldkamp (FDK) アルゴリズムで3次元再構成を行う。
CT再構成結果：うさぎ型ファントムの水平断面位置を示す青色平面
図2：再構成結果。投影データから復元された3Dボリュームと、水平断面の位置（青色平面）。
CT再構成結果：水平断面で切断した内部構造
図3：図2の断面で切断した様子。断面より上を除去すると、内部構造が明瞭に確認できる。このような断面画像の取得がCTの目的である。

レベル別学習

入門

高校〜大学初年度レベル

  • X線とは何か
  • CTスキャンの仕組み
  • 投影データの取得
  • CT画像の見方

初級

大学1-2年レベル

  • X線の減衰と投影
  • ラドン変換との関係
  • サイノグラム
  • 単純逆投影

中級

大学3-4年レベル

  • フィルタ補正逆投影法（FBP）
  • ファンビーム・コーンビーム
  • アーティファクト
  • 画質評価

上級

大学院レベル

  • 反復再構成法
  • 統計的再構成
  • スパースCT
  • 深層学習による再構成

学習の流れ

入門 X線とCTの基礎 初級 ラドン変換 中級 FBP再構成 上級 反復法・深層学習 入門：X線物理、CTスキャナ構造、画像の見方 初級：投影、サイノグラム、ラドン変換 中級：FBP、ファンビーム、アーティファクト 上級：ART、統計的再構成、深層学習

応用分野

医療診断

頭部・胸部・腹部CTによる疾患の検出と診断。冠動脈CTや造影CTなど多彩なプロトコルが存在する。

産業検査

溶接部の非破壊検査、鋳造品の内部欠陥検出、電子基板のはんだ接合部検査。

セキュリティ

空港手荷物検査における危険物の自動検出。デュアルエナジーCTによる物質識別。

文化財・考古学

ミイラや古代遺物の内部構造解析。非破壊で内容物を調査する。

主要な概念・公式

ランベルト・ベールの法則

$$I = I_0 \exp\!\left(-\int_L \mu(x,y)\,dl\right)$$

ラドン変換

$$\mathcal{R}f(s,\theta) = \int_{-\infty}^{\infty}\!\int_{-\infty}^{\infty} f(x,y)\,\delta(x\cos\theta + y\sin\theta - s)\,dx\,dy$$

フーリエスライス定理

$$P(\omega,\theta) = F(\omega\cos\theta,\;\omega\sin\theta)$$

フィルタ補正逆投影 (FBP)

$$f(x,y) = \int_0^{\pi}\! \left[\mathcal{R}f(s,\theta) * h(s)\right]_{s=x\cos\theta+y\sin\theta} d\theta$$

歴史的背景

X線CTの原理は、1917年にヨハン・ラドンがラドン変換の数学的理論を確立したことに遡る。 実用的なCTスキャナは、1971年にゴッドフリー・ハウンズフィールド（EMI社）が開発し、 南アフリカの物理学者アラン・コーマックが独立に再構成理論を発展させた。 両者は1979年にノーベル生理学・医学賞を共同受賞している。

現在では、マルチスライスCT、デュアルエナジーCT、フォトンカウンティングCTなど、技術は急速に進化を続けている。

前提知識

  • 入門：中学理科のX線知識、三角関数の基礎
  • 初級：線形代数の基礎、微積分（積分）
  • 中級：フーリエ変換、信号処理の基礎、線形代数（固有値・行列分解）
  • 上級：最適化理論、統計的推定、深層学習の基礎

関連トピック