탐구주제: CT 영상 재구성 원리 분석과 미분 방정식을 활용한 모델링 1. 서론 평소 생명공학 분야에 관심이 많아 인체 내부를 정밀하게 볼 수 있는 의료 영상 기술에 호기심을 가졌다. 특히 컴퓨터 단층 촬영(CT)은 X선으로 인체 내부 단면 영상을 얻어 질병을 진단하는 데 중요한 역할을 한다. CT 영상이 어떻게 3차원 인체 내부를 2차원 단면 영상으로 만들어내는지 그 원리가 궁금했다. 단순히 사진을 찍는 것을 넘어 여러 각도에서 얻은 X선 데이터를 컴퓨터가 수학적으로 처리하여 재구성한다는 사실에 깊이 매료되었다. CT 영상 재구성 과정에 수학, 특히 미적분학의 원리가 적용될 것이라 생각했다. 이번 탐구를 통해 CT 영상 재구성의 기본 원리를 이해하고, 이 과정에서 미분 방정식이 어떻게 활용될 수 있는지 알아보고자 했다. 이를 통해 의생명 분야에서 수학적 사고의 중요성을 깨닫고, 미래 진로와 연관된 학문적 깊이를 넓히는 기회가 될 것이라 기대했다. 2. CT의 기본 원리 및 영상 획득 과정 CT는 컴퓨터 단층 촬영의 약자로, 인체를 통과하는 X선의 감쇠 정도를 측정하여 내부 구조의 단면 영상을 얻는 기술이다. 기본 원리는 다음과 같다. 먼저 X선 발생 장치에서 X선을 인체에 조사한다. X선은 인체를 통과하면서 밀도와 구성 물질에 따라 흡수되거나 산란되어 에너지가 감소한다. 이 감소하는 정도를 '감쇠(attenuation)'라 한다. 인체 반대편에 있는 검출기는 통과한 X선의 잔여 에너지를 측정한다. 뼈와 같이 밀도가 높은 조직은 X선을 많이 흡수하여 검출기에 도달하는 X선 양이 적다. 반면 폐와 같이 밀도가 낮은 조직은 X선을 적게 흡수하여 검출기에 도달하는 X선 양이 많다. CT는 한 번의 촬영으로 끝나는 것이 아니다. X선 발생 장치와 검출기는 환자의 주위를 회전하며 다양한 각도에서 수많은 X선 데이터를 획득한다. 이때 각 각도에서 얻은 X선 데이터를 '투영 데이터(projection data)' 또는 '라돈 변환(Radon transform) 값'이라고 부른다. 이렇게 얻은 투영 데이터는 단면 영상이 아니라 인체 내부의 X선 감쇠 계수 분포를 직접 보여주는 값이다. 이 데이터를 기반으로 컴퓨터가 복잡한 수학적 계산을 통해 최종적인 CT 단면 영상을 재구성하게 된다. 이러한 과정은 미적분학의 적분 개념과 밀접하게 연결된다는 것을 알 수 있었다. 3. CT 영상 재구성 방법: 필터 역투영법과 수학적 원리 CT 영상 재구성에서 가장 널리 사용되는 방법은 '필터 역투영법(Filtered Backprojection, FBP)'이다. 이 방법은 여러 각도에서 얻은 투영 데이터를 조합하여 원본 영상을 복원하는 방식이다. 필터 역투영법은 크게 두 단계로 나뉜다. 첫 번째는 '필터링(filtering)' 단계이다. 투영 데이터는 원본 영상의 감쇠 계수를 선적분한 값이다. 이 값들을 그대로 역투영하면 영상에 흐릿한 별 모양의 잡음(star artifact)이 생기게 된다. 이러한 잡음을 제거하기 위해 각 투영 데이터에 '필터(filter)'를 적용하여 고주파 성분을 강조하고 저주파 성분을 감쇠시키는 과정이 필요하다. 램프 필터(ramp filter)와 같은 다양한 필터가 사용되는데, 이는 푸리에 변환(Fourier transform)과 같은 수학적 기법을 통해 주파수 영역에서 처리된다. 두 번째는 '역투영(backprojection)' 단계이다. 필터링된 투영 데이터를 다시 원래 위치로 되돌려 놓는 과정이다. 즉, 각 각도에서 얻은 필터링된 투영 데이터를 영상 평면에 다시 투영하여 겹쳐 쌓는 것이다. 이렇게 여러 방향에서 투영된 데이터들이 겹쳐지면서 원본 영상의 감쇠 계수 분포를 나타내는 단면 영상이 만들어진다. 이 모든 과정의 수학적 기반은 '라돈 변환(Radon transform)'과 '역 라돈 변환(Inverse Radon transform)'에 있다. 라돈 변환은 2차원 함수를 특정 직선에 대한 선적분 값들의 집합으로 변환하는 연산이다. CT에서 X선 감쇠 계수 분포가 2차원 함수라면, X선이 인체를 통과하며 측정되는 투영 데이터는 이 함수의 라돈 변환 값에 해당한다. 우리가 CT 영상을 재구성한다는 것은 측정된 라돈 변환 값들을 이용하여 원래의 감쇠 계수 분포 함수를 역으로 찾아내는 '역 라돈 변환'을 수행하는 것이다. 필터 역투영법은 바로 이 역 라돈 변환을 효율적으로 계산하는 방법 중 하나이다. 4. 미분 방정식과 라돈 변환의 연결 미분 방정식은 함수와 그 함수의 도함수들을 포함하는 방정식이다. 물리 현상이나 변화율을 설명하는 데 자주 사용된다. CT 영상 재구성에서 미분 방정식이 직접적으로 나타나는 경우는 드물 수 있다. 그러나 X선이 물질을 통과하며 감쇠하는 과정 자체를 미분 방정식으로 표현할 수 있다. X선이 물질을 통과할 때, X선의 강도 변화는 통과하는 물질의 두께와 물질의 감쇠 계수에 비례한다. 이를 수식으로 나타내면 다음과 같다. X선 강도를 I(x), 물질의 감쇠 계수를 μ(x)라고 할 때, 매우 작은 두께 dx에 대한 X선 강도 변화 dI는 dI = -μ(x)I(x)dx 와 같이 표현할 수 있다. 이는 변수분리형 미분 방정식 dI/I = -μ(x)dx 로 나타낼 수 있다. 이 미분 방정식을 적분하면 I(x) = I₀exp(-∫μ(x)dx) 형태의 해를 얻을 수 있다. 여기서 I₀는 초기 X선 강도이다. 즉, 측정된 X선 강도 I(x)와 초기 강도 I₀를 알고 있다면, 그 값을 통해 X선이 통과한 경로의 감쇠 계수 μ(x)의 선적분 값인 ∫μ(x)dx를 구할 수 있다. 라돈 변환은 바로 이 감쇠 계수 μ(x, y)를 특정 직선을 따라 선적분하는 개념과 연결된다. 예를 들어, 직선 L에 대한 라돈 변환 P(θ, s)는 P(θ, s) = ∫_L μ(x, y)dl 와 같이 표현된다. 여기서 θ는 직선의 각도, s는 원점으로부터의 거리, dl은 선분 요소이다. 미분 방정식은 변화율을 다루고, 라돈 변환은 선적분을 다룬다는 점에서 차이가 있다. 미분 방정식은 X선 감쇠의 국소적인 변화를 모델링하는 데 사용될 수 있고, 이 감쇠의 누적된 효과가 라돈 변환의 기초가 되는 선적분 값을 제공한다고 이해할 수 있었다. 재구성 과정 자체는 주로 역 라돈 변환의 문제를 푸는 것이지만, X선이 물질과 상호작용하는 물리적 현상을 설명하는 데 미분 방정식이 근본적으로 관여하고 있음을 깨달았다. 5. 미분 방정식을 활용한 모델링 탐구 미분 방정식을 CT 영상 재구성 과정에 직접적으로 적용하는 연구는 주로 잡음 제거, 해상도 개선, 영상 품질 향상과 같은 최적화 문제에서 나타난다. 예를 들어, CT 영상 재구성에서 발생하는 잡음을 줄이거나, 영상의 경계선을 더욱 선명하게 만드는 데 미분 방정식 기반의 모델링이 활용될 수 있다. 하나의 접근 방식은 영상의 잡음을 제거하고 특징을 보존하는 '변분 모델(variational model)'을 사용하는 것이다. 이는 영상의 전체 에너지를 최소화하는 방식으로 잡음을 제거한다. 이 모델을 설명하는 오일러-라그랑주 방정식(Euler-Lagrange equation)은 편미분 방정식의 한 형태이다. 이 방정식을 풀면 잡음이 제거된 영상을 얻을 수 있다. 예를 들어, 전체 변동 모델(Total Variation, TV)은 영상의 경계선을 보존하면서 잡음을 제거하는 데 효과적이며, 이는 TV 최소화 문제로 주어지고 그 해는 편미분 방정식으로 근사하여 얻어진다. 또한, CT 영상의 품질을 결정하는 '점 확산 함수(Point Spread Function, PSF)'를 모델링하는 데 미분 방정식이 사용될 수 있다. PSF는 이상적인 점 광원이 영상에 어떻게 번져서 나타나는지를 보여주는 함수이다. CT 시스템의 광학적 특성이나 환자 움직임 등으로 인해 PSF가 변형될 수 있으며, 이를 정확히 모델링하면 재구성된 영상의 해상도를 개선하는 데 기여할 수 있다. 이러한 PSF의 변화 양상을 미분 방정식을 통해 예측하고 보정하는 연구가 진행되기도 한다. CT 영상 재구성에서 발생하는 '아티팩트(artifact)'를 줄이는 데도 미분 방정식 기반 모델링이 활용될 수 있다. 금속 아티팩트와 같이 특정 물질에 의해 발생하는 아티팩트는 X선 감쇠 특성의 비선형성 때문에 발생하는데, 이를 보정하기 위해 X선 감쇠 과정을 더 정교하게 모델링하는 미분 방정식을 적용할 수 있다. 이러한 모델링은 복잡한 계산을 필요로 하며, 실제로 [학생] 수준에서 직접 미분 방정식을 풀어 CT 영상을 재구성하기는 어렵다. 하지만 이러한 원리를 이해하는 것은 의료 영상 기술의 발전 방향을 예측하고 새로운 기술을 개발하는 데 중요한 기초가 될 것이라 생각했다. 특히 미적분Ⅱ에서 배우는 미분 방정식의 개념이 실제 생활 속 첨단 기술에 적용되는 사례를 보며 수학의 실용성에 대해 다시 한번 생각하게 되었다. 6. 결론 및 느낀 점 이번 탐구를 통해 CT 영상 재구성의 기본 원리와 필터 역투영법의 수학적 기반을 깊이 이해할 수 있었다. 특히 X선 감쇠 과정이 미분 방정식으로 표현될 수 있다는 점과, 라돈 변환이 그 적분 형태로 나타난다는 사실은 매우 흥미로웠다. 그리고 이러한 개념들이 실제로 의료 영상 분야에서 중요한 역할을 한다는 것을 알 수 있었다. 미분 방정식이 CT 영상 재구성의 직접적인 계산식은 아니지만, X선 감쇠의 물리적 현상을 설명하고 재구성된 영상의 품질을 개선하기 위한 다양한 모델링에 활용될 수 있음을 확인했다. [학교]에서 배우는 미적분학이 단순히 문제 풀이를 위한 지식이 아니라, 이처럼 복잡한 과학 기술의 근간을 이룬다는 것을 깨달았다. 특히 의료 영상 분야와 같이 생명공학, 간호 분야에서 필수적인 기술에 수학적 원리가 깊이 녹아 있다는 점이 인상 깊었다. 앞으로 생명공학 분야를 전공하여 질병 진단 및 치료 기술 개발에 기여하고 싶다. 이번 탐구는 그 목표를 향해 나아가는 과정에서 수학적 사고력과 문제 해결 능력을 키우는 데 큰 도움이 되었다. 향후 기회가 된다면 미분 방정식을 활용한 영상 처리 알고리즘을 실제로 구현해보는 심화 탐구를 진행하고 싶다.