Можно ли восстановить невидимое нутро по теням и проекциям?：Обратные задачи, преобразование Радона и математика компьютерной томографии

Введение: Взгляд в невидимые глубины сквозь тени

В повседневном опыте причинно-следственная связь направлена естественным образом: зная геометрию объекта и положение источника света, профиль тени на стене можно элементарно рассчитать методами геометрической оптики. Аналогично, если известно геологическое строение и распределение плотностей пород в недрах Земли, распространение сейсмических волн от очага землетрясения моделируется с высокой точностью с помощью волнового уравнения. Такой переход от причины (внутренние параметры физической системы) к следствию (наблюдаемые внешние данные) называют прямой задачей (Forward Problem). Прямые задачи обычно устойчивы, детерминированы и имеют единственное решение.

Однако в современной медицине, геофизике и астрофизике исследователи сталкиваются с принципиально обратной задачей:

Медицинская компьютерная томография (КТ): не разрезая череп и грудную клетку пациента, как восстановить пространственное распределение плотностей тканей, кровеносных сосудов и микроопухолей, располагая лишь одномерными проекциями ослабления рентгеновских лучей, измеренными снаружи?
Сейсморазведка: как по сигналам отраженных упругих волн на поверхности восстановить структуру геологических пластов и границы залегания нефтяных месторождений на глубине нескольких километров?
Астрономическая радиоинтерферометрия: как телескоп Event Horizon Telescope (EHT) сумел синтезировать изображение аккреционного диска сверхмассивной черной дыры по предельно разреженным интерферометрическим измерениям?

Математическая дисциплина, занимающаяся восстановлением физической причины по ее наблюдаемым следствиям, называется теорией обратных задач (Inverse Problems).

  flowchart LR
    subgraph Forward ["Прямая задача (Forward Problem)"]
        direction TB
        A["Физическая причина f(x, y)<br/>(Плотность внутренних тканей)"] -->|Физический оператор A| B["Данные измерений g(s, θ)<br/>(Рентгеновские тени)"]
    end
    subgraph Inverse ["Обратная задача (Inverse Problem)"]
        direction TB
        C["Внешние измерения g(s, θ)<br/>(Данные с шумом)"] -->|Обратный оператор A⁻¹ / Регуляризация| D["Восстановленная структура f*(x, y)<br/>(Томографический срез)"]
    end

1. Что такое обратная задача?：Корректность по Адамару и катастрофа некорректности

Почему решение обратных задач несоизмеримо сложнее решения прямых задач?

1.1 Операторная постановка задачи

$$\mathcal{A} f = g$$

где $f \in \mathcal{X}$ — искомый коэффициент поглощения в среде, $g \in \mathcal{Y}$ — измеренные проекционные данные, а $\mathcal{A}$ — линейный интегральный оператор.

1.2 Критерии корректности по Адамару (1902)

Французский математик Жак Адамар сформулировал три фундаментальных условия корректности математической модели:

Существование решения: Для любых входных данных $g$ существует решение $f$.
Единственность решения: Оператор $\mathcal{A}$ инъективен ($\ker(\mathcal{A}) = \{0\}$).
Устойчивость: Решение непрерывно зависит от входных данных: малые погрешности $\delta g$ порождают ограниченное отклонение решения: $\|\delta f\| \le C \|\delta g\|$.

Если хотя бы одно из этих условий нарушено, задача называется некорректно поставленной (ill-posed).

1.3 Компактные операторы и катастрофа высокочастотного шума

$$f = \sum_{n=1}^\infty \frac{1}{\sigma_n} \langle g, u_n \rangle v_n$$

Поскольку $\sigma_n \to 0$, наивное обращение оператора приводит к делению шума измерения на $\sigma_n$, что вызывает взрыв $\frac{1}{\sigma_n} \to \infty$ и мгновенно уничтожает любое содержательное решение.

2. Интегральная геометрия Иоганна Радона (1917)

В 1917 году австрийский математик Иоганн Радон решил фундаментальную математическую задачу:

«Можно ли однозначно восстановить гладкую функцию двух переменных, если известны ее интегралы по всем возможным прямым на плоскости?»

Радон строго доказал теорему единственности и вывел явную формулу обращения.

Определение преобразования Радона

$$x \cos\theta + y \sin\theta = s$$$$(\mathcal{R}f)(s, \theta) = \iint_{\mathbb{R}^2} f(x, y) \, \delta(x \cos\theta + y \sin\theta - s) \, dx dy$$

В медицинской визуализации график функции $(\mathcal{R}f)(s, \theta)$ в координатах $(s, \theta)$ называется синограммой.

3. Физика томографии: Закон Бугера — Ламберта — Бера

$$\frac{dI}{dt} = - f(\mathbf{x}) I \implies I_{\text{det}} = I_0 \exp\left( - \int_L f(\mathbf{x}) \, dt \right)$$$$g(s, \theta) = \ln\left( \frac{I_0}{I_{\text{det}}} \right) = \int_L f(\mathbf{x}) \, dt = (\mathcal{R}f)(s, \theta)$$

Таким образом, реконструкция томографического среза тождественна обращению преобразования Радона.

4. Теорема о центральном срезе Фурье (Fourier Slice Theorem)

$$\left( \mathcal{F}_1 [\mathcal{R}f(\cdot, \theta)] \right)(\omega) = \left( \mathcal{F}_2 f \right)(\omega \cos\theta, \; \omega \sin\theta)$$

Она утверждает, что 1D-преобразование Фурье проекции под углом $\theta$ в точности равно радиальному сечению 2D-преобразования Фурье исходного изображения под тем же углом.

5. Алгоритм фильтрованной обратной проекции (FBP)

$$f(x, y) = \int_0^\pi \left[ \int_{-\infty}^\infty G(\omega, \theta) \cdot |\omega| \cdot e^{i 2\pi \omega (x\cos\theta + y\sin\theta)} \, d\omega \right] d\theta$$

Фильтрация Рам-Лак (Ramp-фильтр): Умножение спектра на $|\omega|$ компенсирует избыточную плотность низких частот и устраняет геометрическое размытие $1/r$.
Обратное проецирование: Накопление отфильтрованных проекций обратно вдоль траекторий сканирования по всем углам.

6. Преодоление некорректности: Регуляризация Тихонова

$$\min_{\mathbf{f}} \left\{ \|\mathbf{A}\mathbf{f} - \mathbf{g}\|_2^2 + \alpha \|\mathbf{L}\mathbf{f}\|_2^2 \right\}$$$$\mathbf{f}_\alpha = (\mathbf{A}^T \mathbf{A} + \alpha \mathbf{L}^T \mathbf{L})^{-1} \mathbf{A}^T \mathbf{g}$$

Фильтрующий множитель $q_i = \frac{\sigma_i^2}{\sigma_i^2 + \alpha}$ подавляет сингулярные моды с околонулевыми значениями, гарантируя устойчивость вычислений.

7. Современные направления: Полная вариация и сжатое считывание

Полная вариация (TV-регуляризация): Использование $L_1$-нормы градиента $\|\nabla \mathbf{f}\|_1$ подавляет шум, сохраняя резкие перепады плотностей на границах органов.
Сжатое считывание (Compressed Sensing): Теория Тао и Кандеса доказывает возможность точной реконструкции по предельно малому числу ракурсов, снижая дозу облучения пациентов на 80–90%.
Глубокое развертывание (Deep Unfolding): Встраивание оператора Радона в слои нейронных сетей сочетает строгость физической модели с мгновенной скоростью вычислений.

Заключение

Подобно платоновскому мифу о пещере, где узники судят о мире по теням на стене, математика обратных задач олицетворяет торжество научного разума: по тончайшим теням внешних проекций человеческий интеллект способен безошибочно воссоздать скрытую гармонию невидимого внутреннего мира.