탐구주제: CT영상 재구성 원리 분석과 미적분 활용 방안 연구 1. 탐구 동기 및 목적 평소 인체에 대한 관심이 많아 생명공학이나 간호 분야로 진로를 탐색하고 있다. 그러다 우연히 CT(Computed Tomography) 영상이 인체 내부를 자세히 보여준다는 사실을 알게 되었다. 의료 영상 기술이 어떻게 복잡한 인체 구조를 영상으로 구현하는지 궁금증을 가지게 되었다. 특히 CT 영상이 단순한 X선 촬영과 달리 여러 각도에서 얻은 데이터를 가지고 3차원 이미지를 만들어낸다는 점이 흥미로웠다. 우리 몸의 단면을 마치 실제 해부하듯 볼 수 있다는 점은 진단과 치료에 결정적인 역할을 할 것이다. 수학 교과에서 미적분을 배우며 함수의 변화율과 넓이, 부피 등을 계산하는 데 쓰인다는 것을 알았다. CT 영상 재구성 과정에 수학적인 원리가 깊이 관련되어 있다는 정보를 접하며, 미적분이 어떻게 CT 영상이라는 실질적인 의료 기술에 적용되는지 구체적으로 알아보고 싶었다. 이 탐구를 통해 CT 영상의 기본 원리를 이해하고, 미적분 중 특히 적분 개념이 영상 재구성에 어떻게 활용되는지 심층적으로 분석하고자 한다. 2. CT(Computed Tomography) 영상의 기본 원리 CT는 우리 몸을 여러 각도에서 X선을 투과시켜 얻은 데이터를 컴퓨터로 처리하여 인체 단면 영상을 재구성하는 기술이다. 일반 X선 촬영이 뼈와 같이 밀도가 높은 물질만 구별하기 쉬운 2차원 투과 영상인 반면, CT는 장기, 혈관, 연조직 등 다양한 밀도의 조직을 정밀하게 구분하여 3차원적인 정보를 제공한다. CT 장비는 X선 발생 장치와 이를 감지하는 검출기가 한 쌍을 이루어 환자 주변을 회전한다. X선이 인체를 통과할 때, 조직의 밀도와 구성 성분에 따라 X선 흡수량이 달라진다. 이 흡수량의 차이를 검출기가 감지하여 전기 신호로 바꾼다. 여러 각도에서 수많은 X선 데이터를 얻게 되는데, 이 데이터는 흡수 계수의 합으로 나타나는 1차원적인 ‘투영 데이터’이다. 이 투영 데이터를 활용하여 2차원 혹은 3차원 단면 영상을 만드는 것이 CT의 핵심이다. CT 영상은 질병의 조기 진단, 병변의 위치 및 크기 파악, 치료 계획 수립 등에 광범위하게 활용된다. 뇌출혈, 종양, 골절, 혈관 질환 등 다양한 진단에 필수적인 검사 방법이다. 3. 미적분과 CT 영상 재구성의 연관성: 라돈 변환과 역변환 CT 영상 재구성에는 라돈 변환(Radon Transform)과 그 역변환 원리가 중요하게 적용된다. 라돈 변환은 N차원 공간에 존재하는 어떤 함수를 N-1차원 공간에서의 모든 가능한 초평면(hyperplane)에 대한 적분 값으로 나타내는 수학적 변환이다. CT에서는 주로 2차원 단면 영상(f(x, y))을 재구성하는데, 이는 2차원 공간의 정보를 1차원 투영 데이터(P(θ, s))로 변환하는 과정이다. 여기서 f(x, y)는 인체 내부의 X선 흡수 계수 분포를 나타내는 함수로 볼 수 있다. X선이 특정 각도(θ)와 거리(s)로 지나갈 때, X선이 통과하는 경로상의 흡수 계수를 모두 더한 값이 바로 투영 데이터 P(θ, s)가 된다. 수학적으로 이는 선적분(line integral)으로 표현된다. P(θ, s) = ∫∫ f(x, y) δ(x cosθ + y sinθ - s) dx dy 여기서 δ는 디랙 델타 함수로, X선 경로에 있는 점들만 적분 대상이 되도록 한다. P(θ, s)는 다양한 각도 θ에 대한 X선 투영 데이터를 의미하며, 이는 CT 검출기가 수집하는 실제 데이터와 같다. CT 영상 재구성은 이러한 투영 데이터 P(θ, s)로부터 원래의 흡수 계수 분포 f(x, y)를 복원하는 과정이다. 이는 라돈 변환의 역변환을 통해 이루어진다. 역 라돈 변환은 주로 필터링된 역투영(Filtered Backprojection, FBP)이라는 알고리즘으로 구현된다. FBP는 각 각도에서 얻은 투영 데이터에 먼저 특정 '필터'를 적용하여 노이즈를 제거하고 이미지의 선명도를 높이는 과정을 거친다. 필터링된 데이터는 라돈 변환을 '뒤집는' 효과를 낸다. 필터링된 각 투영 데이터를 원래의 위치로 다시 '투영'(backprojection)하는 과정을 반복한다. 예를 들어, 한 각도에서 얻은 투영 데이터는 그 각도에서 X선이 지나갔던 경로를 따라 영상 평면에 다시 뿌려진다. 모든 각도에서 이 과정을 반복하고 합치면 최종적으로 인체 단면 영상 f(x, y)가 재구성된다. 이 과정에서 각 투영 데이터를 합치는 것 또한 적분과 비슷한 개념으로 볼 수 있다. 4. CT 영상 재구성에 사용되는 미적분 활용 방안 연구 가. 적분: 라돈 변환의 핵심 CT 영상 재구성에서 적분은 X선이 인체를 통과하며 흡수되는 과정을 수학적으로 표현하는 데 필수적이다. X선이 조직을 통과할 때 얼마나 많은 양이 흡수되는가는 그 경로에 있는 조직들의 밀도와 두께에 따라 달라진다. 라돈 변환식에서 보듯이, X선 경로를 따라 흡수 계수 함수 f(x, y)를 선적분함으로써 우리는 각도별 투영 데이터를 얻을 수 있다. 이는 CT 기기가 실제로 측정하는 값이기도 하다. 다시 말해, 인체 내부의 미세한 밀도 차이를 공간적으로 적분하여 하나의 신호 값으로 만드는 과정이 투영 데이터 수집의 기본이다. 나. 미분과 푸리에 변환 CT 영상 재구성 알고리즘 중 FBP 방식은 푸리에 변환(Fourier Transform)과 푸리에 역변환(Inverse Fourier Transform)을 활용한다. 푸리에 변환은 시간이나 공간 영역의 함수를 주파수 영역의 함수로 바꾸는 수학적 도구이다. 미분은 어떤 함수의 변화율을 나타내는데, 이는 푸리에 변환과 밀접한 관련이 있다. 푸리에 슬라이스 정리(Fourier Slice Theorem)에 따르면, 2차원 함수의 라돈 변환의 1차원 푸리에 변환은 2차원 함수의 2차원 푸리에 변환의 원점을 지나는 선 단면과 같다는 원리가 있다. 이 정리는 투영 데이터 P(θ, s)의 푸리에 변환(주파수 영역에서 필터링)을 통해 원래 이미지 f(x, y)의 푸리에 변환을 얻을 수 있고, 이를 역 푸리에 변환하면 원래 이미지를 복원할 수 있다는 것을 의미한다. 이때 필터링 과정에서 특정 주파수 성분을 강조하거나 제거하는 것이 필요한데, 이는 미분과 관련된 조작으로 볼 수 있다. 필터링은 이미지의 고주파 성분(경계면, 세부 구조)을 강화하여 선명도를 높이는 역할을 한다. 5. 미래 의료 기술 발전 방향과 나의 진로 CT 영상 재구성에 미적분 개념이 이렇게 깊이 관여한다는 사실을 알게 되면서 수학과 과학의 융합이 얼마나 중요한지 깨달았다. 단순한 X선 흡수량을 넘어, 복잡한 수학적 연산을 통해 인체 내부를 선명하게 들여다볼 수 있다는 점이 놀랍다. 이러한 탐구를 통해 생명공학과 간호 분야에 대한 나의 관심이 더욱 커졌다. 정밀한 CT 영상은 질병을 정확히 진단하고, 그에 맞는 치료법을 개발하는 데 필수적인 정보를 제공한다. 생명공학 분야에서는 CT 영상을 이용한 3D 모델링 기술을 활용하여 인공 장기를 개발하거나 약물 전달 시스템을 설계할 수 있을 것이다. 간호사로서도 CT 영상을 이해하는 것은 환자의 상태를 정확히 파악하고, 의료진과의 효과적인 소통을 통해 최적의 간호를 제공하는 데 매우 중요할 것이다. 앞으로 수학, 특히 미적분학뿐만 아니라 영상 처리, 컴퓨터 공학 등 다양한 학문을 더 깊이 공부하여 의료 영상 기술 발전에 기여하고 싶다. 미적분이 눈에 보이지 않는 데이터를 구체적인 영상으로 바꿔주는 다리 역할을 한다는 점이 매우 인상 깊었다. 이러한 지식을 바탕으로 환자의 고통을 덜어주고 더 나은 삶을 선물하는 의료 전문가가 되고 싶다.