下列那種CT algorithm 最適合檢視骨頭之構造？
詳細解析
本題觀念
CT algorithm 在這裡主要是指影像重建時使用的重建核心或濾波器（reconstruction kernel/filter），不是改變掃描範圍的軟體功能。不同核心會在空間解析度、影像雜訊與邊緣清晰度之間取捨：平滑核心能讓影像較乾淨，卻會削弱細小邊界；銳利或邊緣增強核心則保留高頻細節，適合觀察骨皮質、骨小梁與骨折線。骨骼影像最需要的是清楚呈現高對比邊緣與細微結構，因此本題應選 C。
影像重建的選擇要配合檢查目的。若重點是肝臟、肌肉或其他軟組織，過度銳利的核心會增加雜訊，反而不利於低對比病灶辨識；若重點是骨頭，則需要較高的空間解析度，接受較明顯的顆粒感來換取骨性細節。
選項分析
A. standard algorithm—不符。 Standard algorithm 可提供一般用途的重建影像，解析度與雜訊表現較為折衷，並未特別強化骨皮質或細小骨性邊緣。當檢查目標是快速掌握整體解剖或兼顧軟組織時，它可能是實用選擇；但若要細看骨小梁、細小骨折或骨皮質連續性，專用的銳利核心更合適。
B. smoothing algorithm—不符。 Smoothing algorithm 會壓低高頻變化，使相鄰像素的差異變小，主要效果是抑制雜訊、讓影像平滑。問題在於骨皮質邊界與細小骨性結構也屬於快速變化的高頻資訊，平滑處理可能使邊緣變鈍、細節消失。因此它較常配合軟組織評估，不是檢視骨結構的最佳選項。
C. edge enhancement algorithm—正確。 Edge enhancement algorithm 會強化影像中灰階變化快速的區域，使高對比邊界更加清楚。CT 中常見的 sharp kernel 或 bone kernel 就是這種取向，可提高骨性細節的空間解析度，幫助辨識骨皮質、骨小梁、骨折邊緣與細小骨性病灶。代價是高頻雜訊與部分邊緣偽影也可能被放大，但對骨頭構造的細節觀察而言，這項取捨最符合檢查需求。
D. Gaussian filter algorithm—不符。 Gaussian filter 是典型的平滑、低通取向處理，會降低高頻成分與像素間的劇烈變化，常用來讓影像較平順或減少雜訊。因為骨骼邊緣和細小骨性構造同樣含有高頻資訊，過度使用此類濾波可能降低邊界清晰度，與骨構造需要的高空間解析度方向相反。
答案解析
答案為 C，edge enhancement algorithm。骨頭是高對比構造，判讀時常需確認骨皮質是否連續、骨小梁是否清楚，以及是否存在細小骨折線；這些都依賴良好的空間解析度與邊緣辨識。邊緣增強核心保留並強化高頻結構，因此最適合骨骼細節。相對地，smoothing 與 Gaussian filter 偏向抑制高頻雜訊，standard algorithm 則是一般性折衷設定。
這個答案不代表邊緣增強核心在所有 CT 任務都較好。影像核心需與臨床問題相配：骨骼、肺部等需要細節時可選較銳利核心；軟組織或低對比病灶評估則通常偏向平滑核心，以避免雜訊掩蓋對比差異。實務上也要把層厚、重建視野、矩陣與病人移動等因素一起納入判斷。
核心知識點
- Edge enhancement／sharp／bone kernel：提高邊緣清晰度與空間解析度，適合骨骼及其他需要細節的高對比構造。
- Smoothing kernel：降低高頻雜訊，使影像較平滑，較適合軟組織與低對比病灶。
- Gaussian filter：屬低通平滑概念，可能犧牲細小骨性邊界。
- Standard algorithm：提供一般用途的折衷表現，不等於骨骼專用的銳利核心。
- 銳利核心的代價是雜訊增加；選擇重建核心時，要依檢查目的在空間解析度與雜訊間取捨。