Van bagagecontrole tot diagnostiek in het ziekenhuis: röntgenbeeldvorming is een belangrijke techniek om de binnenkant van voorwerpen te kunnen analyseren. Ook in de industrie is deze radiografie onmisbaar, bijvoorbeeld bij veiligheidscontroles op fabricatiefouten of de aanwezigheid van ongewilde (kleine) objecten in voedselproducten. Dat gaat nog niet altijd goed, zegt Mathé Zeegers: ‘Google maar eens een willekeurig product en “supermarkt” en je vindt wel een terugroepactie vanwege een probleem met dat product.’ Ook een klein stukje glas in jam bijvoorbeeld, is lastig te onderscheiden.
Breed spectrum
Zeegers stortte zich met plezier op deze problemen. ‘Er zat wiskunde bij, natuurkunde, informatica, datawetenschap en programmeren: dat past goed bij mijn brede belangstelling.’ De van huis uit wiskundige én informaticus focuste in zijn onderzoek op een recente ontwikkeling: spectrale röntgenbeeldvorming. ‘Op spectrale röntgenbeelden kun je materialen nauwkeuriger onderscheiden. Vergelijk het met een kleurencamera tegenover een zwart-wit-camera.’ Op een gewone röntgenfoto zie je misschien verschil tussen bot en ander weefsel, maar je kunt niet álle materialen van elkaar onderscheiden.
Poedersuiker of iets explosiefs
Spectrale röntgenbeeldvorming biedt meer mogelijkheden, legt Zeegers uit. ‘Je vuurt een bundel röntgenstralen op het object af met stralen die allemaal verschillende energieniveaus (golflengte) met een bepaalde intensiteit hebben. Binnen het object houden verschillende materialen de stralen in verschillende mate tegen. De detector aan de andere kant van het object vangt daarna de stralen op en meet per golflengte de intensiteit die over is.’ Omdat bekend is welke invloed elk materiaal heeft op de passerende straling, kan het stralingspatroon of het spectrum dat de detector opvangt, prijsgeven wat er allemaal in het object zit. ‘Bijvoorbeeld of het poedertje in iemands koffer gewoon poedersuiker is of toch iets explosiefs.’
Lerende algoritmes en spectrale 3D beelden
Kunstmatige intelligentie speelt een grote rol bij de verbetering van röntgenscanners. Machine learning stelt machines in staat om grote hoeveelheden informatie snel te verwerken. ‘Door met CT heel efficiënt veel data te verzamelen kunnen we ze trainen op specifieke taken.’ Daarbij ontwikkelde Zeegers meerdere CT-algoritmen om de spectrale röntgenbeelden goed te verwerken tot een 3D-beeld. ‘Je moet je voorstellen dat een scanner al fotograferend om een object heen draait. Al die spectrale foto’s moeten slim verwerkt worden tot één 3D-beeld.’
Dat lukte. ‘Een van de mooiste momenten was toen we een hyperspectraal onderzocht ertsmonster aan ons algoritme onderworpen. Het algoritme gaf precies aan waar in het monster het lood zat en waar het goud zat.’ De allernieuwste hyperspectrale scanners zullen niet direct in elke fabriek in gebruik worden genomen, verwacht Zeegers. ‘Wel denk ik dat spectrale röntgenbeeldvorming een grote vlucht gaat nemen.’ Onthoud die term dus, voor als u nog eens een douanier wilt imponeren met een slimme vraag.
Tekst: Rianne Lindhout
Meer informatie
Mathé Zeegers promoveerde 31 mei 2023 met het proefschrift Spectral Imaging and Tomographic Reconstruction Methods for Industrial Applications. Zeegers voerde zijn onderzoek uit bij de Computational Imaging research group van CWI.
