關於CT影像中雜訊功率頻譜（ noise power spectrum, NPS ）的敘述，下列何者錯誤？

本題觀念：

本題探討醫學影像品質評估中的核心物理量——雜訊功率頻譜（Noise Power Spectrum, NPS）。在數位影像系統（如 CT）中，影像雜訊不僅具有「大小（振幅）」，還具有「空間紋理（分布）」。若僅在空間域（spatial domain）測量像素（pixel）的標準差，只能得知雜訊的總量（變異數）；而 NPS 則是將雜訊轉換至空間頻域（spatial frequency domain），用以描述不同空間頻率下雜訊變異數的分布情形，是評估影像系統雜訊特性、濾波器效應以及計算感測量子效率（DQE）的必要參數。

選項分析

• (A) 是評估影像雜訊的重要物理量
  • 正確。NPS 不僅能反映雜訊的強度，還能提供雜訊的空間頻率分布（即雜訊的質地或紋理），是評估數位醫療影像系統雜訊表現最完整且重要的物理量。
• (B) 需要轉換到空間頻域（spatial frequency domain）才能計算NPS
  • 正確。NPS 的定義是影像雜訊空間自相關函數（spatial autocorrelation function）的傅立葉轉換（Fourier Transform）。因此，必須透過數學運算將原本的像素數據（空間域）轉換至空間頻域（空間頻率，通常單位為 lp/mm 或 cycles/cm）才能獲得。
• (C) 與CT影像的雜訊分布有關
  • 正確。CT 影像的重建演算法（如 FBP 中的不同 convolution kernels 或是反覆式影像重建 IR）會改變雜訊的頻率分布。NPS 的曲線形狀精準反映了這些參數如何影響影像中高頻與低頻雜訊的分布比例。
• (D) NPS是直接在 CT影像上的像素（ pixel）量測大小的物理量
  • 錯誤。「直接」在 CT 影像的像素上（即在空間域中）框定感興趣區域（ROI）並計算其大小，所得到的物理量是「雜訊標準差（Noise Standard Deviation, SD）」或「變異數（Variance）」，其單位為 Hounsfield Units (HU)。NPS 必須經過傅立葉轉換後於空間頻域中呈現，並非直接在像素尺度上量測振幅大小的物理量。

答案解析

CT 影像的常規品保（QA）中，若要快速評估雜訊大小，物理師或放射師會直接在均勻水假體影像上選取 ROI 並測量其像素的標準差。然而，標準差只能代表雜訊的總量，無法顯示雜訊的紋理特徵。NPS 則補足了這個缺陷，它將空間影像經過二維或三維傅立葉轉換，展開為頻譜。因此，NPS 並非在空間域直接測量像素大小的物理量，而是頻域下的分布函數。選項 (D) 將空間域的直接測量（標準差）與頻域的計算量（NPS）混淆，故為錯誤敘述，為本題正確解答。

核心知識點

針對醫事放射師國考，考生務必熟記以下影像品質評估之「三大物理量」及其對應之數學轉換與物理意義：

1. 雜訊功率頻譜（Noise Power Spectrum, NPS）：
   • 評估：雜訊的空間頻率分布（雜訊紋理）。
   • 域轉換：空間域 $\xrightarrow{\text{Fourier Transform}}$ 空間頻域。
2. 調制轉換函數（Modulation Transfer Function, MTF）：
   • 評估：系統的空間解析度（Spatial Resolution）。
   • 計算：點擴散函數（PSF）或線擴散函數（LSF）的傅立葉轉換。
3. 感測量子效率（Detective Quantum Efficiency, DQE）：
   • 評估：系統對輻射劑量的使用效率與訊噪比（SNR）傳遞能力。
   • 關係式：$DQE(f) \propto \frac{MTF(f)^2}{NPS(f)}$（DQE 與 MTF 的平方成正比，與 NPS 成反比）。

臨床重要性

在現代 CT 臨床實務中，廣泛導入反覆式影像重建（Iterative Reconstruction, IR）與深度學習重建（Deep Learning Reconstruction, DLR）以降低病人輻射劑量。這些新技術雖然能顯著降低影像的像素標準差（讓影像看起來較平滑），但會改變 NPS 的曲線形狀（通常使高頻雜訊減少，導致雜訊峰值往低頻偏移），這會使得影像產生「塑膠感（Plastic appearance）」或「塊狀斑點（Blotchy noise）」。這種紋理的改變可能會影響放射科醫師對低對比病灶（如肝臟小腫瘤）的偵測能力。因此，利用 NPS 來客觀量化與評估不同重建演算法對影像紋理的影響，具有極高的臨床價值。

參考資料

1. 電腦斷層掃描儀非年度品質保證測試 - 台灣醫學物理公司 (https://www.tapm.org.tw/UpFile/web/20220601-3.pdf)