이미지 재구성이란 무엇입니까?

이미지 재구성은 의료 이미징 연구 동안 획득 된 방사선 판독 값과 같은 흩어져 있거나 불완전한 데이터로부터 2 차원 또는 3 차원 이미지를 생성하는 것입니다. 일부 이미징 기술의 경우, 수학 공식을 적용하여 읽기 쉽고 유용한 이미지를 생성하거나 이미지를 선명하게하여 유용하게 만들 필요가 있습니다. 예를 들어, 컴퓨터 단층 촬영 (CT) 스캐닝에서, 이미지 재구성은 일련의 개별 카메라 이미지로부터 신체의 3 차원 이미지를 생성하는 것을 도울 수있다.

몇 가지 문제가 이미지 재구성에 문제를 일으 킵니다. 첫 번째는 노이즈입니다. 이미지의 선명도를 방해 할 수있는 의미없는 데이터입니다. 의료 영상에서 환자의 움직임, 간섭, 그림자 및 고 스팅으로 인해 잡음이 발생할 수 있습니다. 예를 들어, 신체의 한 구조가 다른 구조를 어둡게하고 발견하기 어려울 수 있습니다. 노이즈 여과는 이미지 재구성의 한 측면입니다.

또 다른 문제는 흩어져 있거나 불완전한 데이터입니다. X 선과 같은 것을 사용하면 이미지가 한 번의 노출로 촬영되며, X 선이 관심 영역을 통과하여 이미지를 만듭니다. 다른 기술들에서, 환자는 방사선으로 충격을 받거나 자기장에 노출되어 사진을 생성하기 위해 조립되어야하는 상당한 양의 데이터를 생성 할 수있다. 즉각적인 출력은 사람이 읽을 수 없거나 의미가 없으며 그림을 생성하기 위해 알고리즘을 통과해야합니다.

이미지 재구성에는 의미있는 데이터를 버리지 않고 노이즈를 걸러 내고 의미있는 방식으로 데이터를 처리하기 위해 취할 수있는 몇 가지 방법이 있습니다. 반복적 인 재구성은 널리 사용되는 기술입니다. 알고리즘은 저주파 데이터를 매핑하여 시작하여 이미지의 시작을 형성하는 몇 가지 데이터 포인트를 만듭니다. 그런 다음 완전한 이미지를 사용할 수있을 때까지 약간 더 높은 주파수와 더 높은 주파수 등을 오버레이합니다.

평평한 이미지를 만드는 것이 이미지 재구성으로 수행 할 수있는 유일한 것은 아닙니다. 컴퓨터는 일련의 이미지를 함께 쌓아 시뮬레이션 된 3 차원 데이터 표현을 만들 수도 있습니다. 슬라이스를 적절하게 일치시키기 위해 데이터를 정렬 할 수 있어야하고 내부 구조의 이미지를 만들려면 정확하게 슬라이스해야합니다. 이를 통해 의사는 단일 이미지가 제공하는 평면 각도가 아닌 여러 평면에서 문제를 평가할 수 있습니다.

의학은 이미지 재구성이 유용한 유일한 분야는 아닙니다. 또한 고고학에서도 유용 할 수 있습니다. 연구진은 조사 결과를 손상시키지 않고 조사 할 수 있습니다. 이미지 재구성을 통해 미라, 밀폐 용기 및 기타 관심 대상의 이미지를 가져와 내부 내용을 배울 수 있습니다.