Een kijkje binnenin kunstobjecten: nieuw algoritme maakt CT-scan toegankelijker

Een röntgenscanner, wat kogellagers en een nieuw ontwikkeld algoritme. Dat is alles wat je nodig hebt om met een 3D-model kunstobjecten vanbinnen te bekijken zonder ze te ontmantelen. Door het onderzoek van Francien Bossema (Centrum Wiskunde & Informatica en Leiden Institute of Advanced Computer Science) kunnen musea nu bestaande röntgenapparatuur gebruiken als CT-scanner, zonder zo’n prijzig en ingewikkeld apparaat te hoeven aanschaffen. Bossema promoveerde 23 mei.

Publicatiedatum
13 juni 2024

Wat zit er aan de binnenkant van een kunstobject? Om die vraag te beantwoorden kunnen kunstexperts gebruikmaken van een röntgenapparaat. Sommige musea hebben deze voor het inspecteren van hun objecten. Daarmee kunnen ze bijvoorbeeld kijken of een object houtworm heeft, en in welke mate. Maar zulke röntgenfoto’s hebben nadelen. Je ziet alles over elkaar heen zonder diepte, dus je kunt nooit echt een doorsnede van het object maken. Een CT-scanner kan dat wel, maar is voor veel musea niet te betalen. Bossema en haar promotor Joost Batenburg vroegen zich af: kunnen we dat wat we al hebben, beter gebruiken?

Röntgenapparaat wordt aspirant CT-scanner

Een CT-scanner is eigenlijk een röntgenscanner die het object vanuit alle hoeken vastlegt. Zo maak je honderden of duizenden röntgenfoto’s achter elkaar. Vervolgens gebruik je een reconstructiealgoritme om met die foto’s een 3D-model te maken van het object, dat je in verschillende richtingen digitaal kan doorsnijden. Bij een professionele CT-scanner, zoals in het ziekenhuis, is de kennis over de exacte positie van alle onderdelen geautomatiseerd. Bossema heeft nu een algoritme ontwikkeld om die kennis te vergaren nadat de scan gemaakt is. Zo wordt een simpele röntgenscanner dus een aspirant CT-scanner.  

Kogellagers als plaatsbepalingen

Goed, de röntgenscanner en het algoritme hebben we gehad. Die kogellagers, hoe zit het daarmee? Bossema: ‘Om een CT-scan te kunnen maken, moet je het röntgenapparaat rondom het object kunnen bewegen. Als je dat doet, moet je goed weten waar alles stond tijdens de scan. Waar staat de bron ten opzichte van de draaitafel? Hoeveel graden zijn we gedraaid tussen twee röntgenfoto’s? Waar staat de detector? Al die plaatsen moet je heel precies weten. Daarom leggen we kogellagers naast het object.’ Deze metalen balletjes hebben een hele hoge dichtheid en worden dikke zwarte stippen op de röntgenfoto. ‘We zoeken op die foto’s naar zwarte stippen, die natuurlijk verplaatsen als je het object draait. Met deze referentiepunten kun je uitrekenen hoeveel het object is gedraaid. Als je dat voor alle foto’s weet, kun je op die manier een 3D-beeld van het object construeren.’

Python Killing a Gnu, Antoine-Louis Barye (J. Paul Getty Museum, 85.SE.48)
Een voorbeeld van de scans die met Bossema’s methode gemaakt kunnen worden. Links: Python Killing a Gnu, Antoine-Louis Barye (J. Paul Getty Museum, 85.SE.48). Midden: Röntgenfoto van Python Killing a Gnu, met kogellagers zichtbaar als zwarte stippen. Rechts: Doorsnede door de CT-reconstructie, waarin de opbouw van het object en verschillende gebruikte materialen te zien zijn.

Bruggen bouwen tussen de bèta- en de kunstwereld

Francien Bossema by Bram Belloni

Bossema testte het algoritme op vier verschillende locaties, waaronder in drie musea. Bij het Rijksmuseum in Amsterdam en het British Museum in Londen deed ze de metingen zelf. Bij het J. Paul Getty Museum in Los Angeles gaf ze alleen via e-mail en Zoom instructies. Daarmee concludeert Bossema dat de methode algemeen inzetbaar zou kunnen zijn. ‘Als je de programmeertaal Python kent, kun je in principe mijn software gebruiken. Maar voor de kunstexperts is het wellicht een brug te ver.’ Een gebruiksvriendelijke user interface zou hierbij kunnen helpen, maar dat valt buiten het onderzoek van Bossema. Ze hoopt dat iemand de tijd en ruimte krijgt om het project verder op te pakken.

Het bouwen van bruggen tussen bètawetenschap en kunstonderzoek trekt Bossema heel erg aan. ‘Mijn onderzoek heeft ook echt een praktische toepassing. Ik heb niet alleen eigen artikelen geschreven over het algoritme en de techniek erachter, maar ook meegeschreven aan artikelen van collega’s, omdat ik met mijn techniek heb meegewerkt aan projecten van andere onderzoekers van het museum. Dat vind ik heel leuk, dat mijn onderzoek ook weer het werk van mijn collega’s faciliteert.’ Voorlopig is Bossema nog niet klaar met de museumwereld. Deze zomer gaat ze met een beurs tien weken aan de slag met CT-scans bij het Getty in Los Angeles, en ze is daarnaast postdoc fellow bij het Rijksmuseum Amsterdam.

Uitleggen wat een algoritme is

Bossema studeerde naast wiskunde ook wetenschapscommunicatie. Ze merkt dat ze daar veel aan heeft gehad tijdens haar promotieonderzoek. ‘Er zit veel communicatie in dit project, omdat ik moet samenwerken met mensen van het museum die een heel andere achtergrond hebben dan ikzelf. Zij weten vaak niet wat een algoritme is of wat een CT-scanner kan betekenen voor hun werk. Ik vind het heel erg leuk en belangrijk om te begrijpen wat zij nodig hebben. Dit communicatie-aspect vindt niet iedereen binnen de wiskunde interessant. Dat maakt mij als onderzoeker dus wel uniek.

Francien Bossema promoveerde 23 mei op het proefschrift ‘Tailoring X-ray tomography techniques for cultural heritage research’.

Tekst: Manon Boot, Leiden Institute of Advanced Computer Science

Francien Bossema at her PhD defense with the committee
From left to right: Dr. Lu Cao (LIACS), Prof. dr. ir. Ionica Smeets (Universiteit Leiden), Dr. Marta Domínguez Delmás (Naturalis Biodiversity Center), paranimf Charlotte Zwetsloot, Prof. dr. Joost Batenburg (LIACS), dr. Francien Bossema (CWI/Rijksmuseum), Dr. Daniël Pelt (LIACS), Prof. dr. Erma Hermens (Cambridge University), Prof. dr. Veerle Cnudde (Universiteit Gent/Universiteit Utrecht), Prof dr. Aske Plaat (Universiteit Leiden) and paranimf dr. Maureen van Eijnatten. Commissielid not in the picture: Prof. dr. Carola-Bibiane Schönlieb (Cambridge University).