CT画質の物理評価（MTF・NPS・CNR）

CTの画質は、「きれい・ざらつく」といった主観だけでなく、物理量で客観的に評価 できます。代表が MTF（空間分解能）・NPS（ノイズの質）・CNR（コントラストの見やすさ） です。基礎編「画質（ノイズ・分解能）」の発展として整理します。

空間分解能：MTF（変調伝達関数）

MTF（Modulation Transfer Function：変調伝達関数） は、細かさ（空間周波数）ごとに、コントラストがどれだけ忠実に伝わるか を表します。高い空間周波数（細かい構造）まで MTFが高いほど高分解能 です。

ノイズ：SDとNPS

ノイズの 量 は、均一部分の 標準偏差（SD） で表します。一方、ノイズの 質（ざらつきの粗さ・質感） を表すのが NPS（Noise Power Spectrum：ノイズパワースペクトル） で、ノイズが周波数ごとにどれだけ含まれるか を示します。

逐次近似や深層学習再構成 では、SD（ノイズ量）が同じでも NPS（質感）が変わる ことがあり、「のっぺりした見え方」の評価に使われます。

コントラスト：CNR

CNR（Contrast-to-Noise Ratio：コントラスト対雑音比） は、注目する構造と背景のCT値の差（コントラスト）を、ノイズで割った 値です。CNRが大きいほど、わずかな濃度差でも見つけやすく なります（低コントラスト検出能が高い）。

$$\mathrm{CNR} = \frac{\text{信号のコントラスト}}{\text{ノイズ（SD）}}$$

試験で問われやすいポイント

• MTF ＝空間周波数ごとのコントラスト伝達。高い周波数まで高い＝高分解能。
• 鮮鋭な再構成関数はMTFが高いがノイズ増、平滑は逆（トレードオフ）。
• SD＝ノイズ量、NPS＝ノイズの質（質感）。逐次近似・深層学習でNPSが変わる。
• CNR＝コントラスト÷ノイズ。大きいほど低コントラスト検出能が高い。

まとめ

• CTの画質は MTF・NPS・CNR で客観評価できる。
• MTF＝分解能、SD/NPS＝ノイズの量と質、CNR＝見やすさ。
• 鮮鋭さとノイズは トレードオフ。再構成法でノイズの質感も変わる。