Tomography Headquarters

Röntgensäteisiin perustuva viipalekuvaus on jo vakiintuneessa käytössä sairaaloissa (TT-kuvaus) ja materiaalintestauksessa (mikrotomografia), mutta sen mahdollisuudet ovat paljon laajemmat. Nykyaikaisen inversiomatematiikan keinoin voidaan kuvantamista tehdä hyvinkin puutteellisista ja huonolaatuisista mittauksista, mikä mahdollistaa kalliiden komponenttien korvaamisen edullisilla osilla. Matematiikan voimalla viipalekuvausta päästään tekemään myös muilla kuin röntgensäteillä: esimerkiksi näkyvällä valolla, sähkövirroilla ja magneettikentillä tai näiden yhdistelmillä. Myös hyperspektraalimenetelmät eli syvän väri-informaation käyttö on tutkimuksen kohteena. Uudenlaiset laitteet ovat kevyitä ja liikuteltavia sekä valmistuskustannuksiltaan kohtuullisia.

Esimerkkejä suunnitelluista kuvantamisratkaisuista:

1. Aivohalvauksen sähköinen kuvantaminen, mahdollistaen tehohoitopotilaan jatkuvan tarkkailun.
2. Kasvihuonekaasujen ja saastepäästöjen valvonta maataloudessa ja prosessiteollisuudessa käyttäen laservaloon perustuvaa kuvantamista.
3. Uusi röntgenviipalekuvaus, jossa hyödynnetään hienovaraisia fysiikan ilmiöitä, kuten vaihekontrastia. Kuvien yksityiskohtaisuus paranee näin kertoimella 10 000.

Hankkeen taustavoimana on suomalaisen inversiomatematiikan keskittymä, joka on maailman johtava alallaan. TomoHQ:n tiimit toimivat kuudessa organisaatiossa: Aalto-yliopisto, Helsingin yliopisto, Ilmatieteen laitos, Itä-Suomen yliopisto, LUT-yliopisto ja Oulun yliopisto. Hankkeen tutkijat ovat fyysikoita ja matemaatikoita, jotka yhdessä kattavat asiantuntemuksellaan koko ketjun teoreettisesta matematiikasta laskenta-algoritmien ja mittausteknologian kautta teollisiin sovelluksiin. TomoHQ luo monia liiketoiminnan mahdollisuuksia: teknologiaa valmistavia startup-yrityksiä, kuvantamispalvelujen myyntiä asiakkaille, uusien ratkaisujen lisensiointia teknologiayhtiöille.

Tavoitteet

TomoHQ mullistaa kuvantamisjärjestelmien suunnittelun korvaamalla laitteistointensiiviset, kalliit instrumentit edullisempien anturien ja kehittyneen laskennallisen rekonstruktion yhdistelmillä. Tämä siirtymä laskentapohjaiseen kuvantamiseen pienentää investointikustannuksia, lisää joustavuutta ja mahdollistaa kannettavat, sulautetut ratkaisut, jotka integroituvat suoraan käyttöympäristöön. Näin ne tukevat reaaliaikaista seurantaa, parempaa diagnostiikkaa ja datapohjaista päätöksentekoa suoraan käyttöpaikalla.

Hanke tuottaa lisäarvoa monisuuntaisesta, monianturisesta ja monifysikaalisesta datasta yhdistämällä kehittynyttä matematiikkaa, fysiikkaa ja tekoälypohjaisia malleja. Tämä mahdollistaa korkearesoluutioisen ja luotettavan tiedon erottamisen sekä luo uusia kaupallisesti kannattavia anturointiratkaisuja.

Lisäksi hankkeen tavoitteena on vahvistaa suomalaisen teollisuuden osaamista, edistää kaupallistamista ja tuottaa yhteiskunnallista vaikuttavuutta tutkimusvaikutusten rinnalla.

• Aalto University
• FMI
• UEF
• University of Helsinki
• University of Oulu