Forskare vid Lunds universitet har utvecklat en matematisk metod som kan ge omkring tre gånger skarpare röntgenbilder. I experiment med hjärnvävnad från möss har forskarna kunnat urskilja mycket små strukturer som tidigare varit svåra att se. Tekniken kan få stor betydelse för biologisk forskning, men är ännu inte redo för användning på patienter.

Matematiken gör röntgenbilderna skarpare

Forskningsframsteget presenterades av Lunds universitet den 9 november 2026 och bygger på en internationell studie som publicerades i den vetenskapliga tidskriften Optica i september.

Bakom arbetet står bland andra matematikforskaren Marcus Carlsson vid Lunds universitet och Viktor Nikitin vid amerikanska Argonne National Laboratory.

Det speciella med metoden är att forskarna inte i första hand har utvecklat en ny röntgenkamera. I stället har de förbättrat de matematiska beräkningar som används för att skapa tredimensionella bilder av det som undersöks.

Resultatet är att mer information kan utvinnas ur mätningarna, vilket gör det möjligt att urskilja betydligt mindre detaljer.

I experiment med hjärnvävnad från möss förbättrades bildernas skärpa omkring tre gånger jämfört med den tidigare beräkningsmetod som forskarna använde som referens.

Så fungerar den nya röntgenmetoden

Tekniken kallas röntgen-nanoholotomografi och använder intensiv röntgenstrålning från en så kallad synkrotronanläggning.

Till skillnad från vanlig röntgen, som framför allt används för att undersöka större strukturer i kroppen, kan den här tekniken avbilda mycket små detaljer i biologiska prover.

För att skapa en tredimensionell bild undersöks provet från många olika vinklar. Röntgenstrålningen förändras när den passerar genom materialet, och dessa förändringar registreras av avancerade detektorer.

Därefter måste en dator återskapa provets inre struktur utifrån mätningarna.

Det är här den nya matematiken kommer in.

Traditionellt har flera delar av bildberäkningen hanterats i separata steg. Forskarna har exempelvis behövt korrigera för små positionsförändringar, ojämnheter i strålningen och andra störningar innan den slutliga bilden kan byggas upp.

Den nya metoden kan behandla flera av dessa problem samtidigt. Genom matematisk optimering förbättras uppskattningen av både mätförhållandena och provets struktur.

Det gör att detaljer som annars riskerar att försvinna i beräkningarna kan bli synliga.

Metoden har också visat sig kunna genomföra vissa beräkningar två till tre gånger snabbare än jämförda optimeringsmetoder.

Hjärnvävnad från möss användes i experimenten

Forskarna har testat tekniken på flera typer av material, däribland preparerad och metallinfärgad hjärnvävnad från möss.

Syftet var att undersöka hur väl metoden kan återskapa mycket små biologiska strukturer i tre dimensioner.

I hjärnvävnaden kunde forskarna tydligare urskilja bland annat synapser, som är kontaktpunkter där nervceller kommunicerar med varandra, och mitokondrier, som producerar energi i cellerna.

I ett separat experiment med ett särskilt referensmaterial kunde forskarna dessutom särskilja materiallager med en tjocklek på ned till 20 nanometer på vissa ställen.

En nanometer är en miljondels millimeter. Det handlar alltså om detaljer som är långt mindre än vad som kan uppfattas med ett vanligt ljusmikroskop.

Det är samtidigt viktigt att skilja resultaten från de olika experimenten åt.

Att forskarna kunde urskilja 20 nanometer tunna strukturer i referensmaterialet betyder inte att samtliga detaljer i hjärnvävnaden avbildades med samma upplösning.

Enorm datamängd bakom bilderna

Experimentet med mushjärnan visar också vilka tekniska resurser som krävs.

Forskarna använde 4 500 olika projektionsvinklar och genomförde mätningar på fyra olika avstånd för varje vinkel.

Det resulterade i ungefär 281 gigabyte rådata.

Den tredimensionella modellen innehöll mer än 34 miljarder så kallade voxlar, motsvarigheten till bildpunkter i en tredimensionell bild.

Så stora datamängder ställer höga krav på datorernas kapacitet. Därför är det värdefullt att förbättra inte bara själva bildskärpan utan även effektiviteten i beräkningarna.

Kan hjälpa forskare att förstå hjärnans uppbyggnad

Ett av de mest intressanta användningsområdena är forskning om hjärnan och nervsystemet.

För att förstå hur nervceller fungerar behöver forskare kunna undersöka deras struktur på mycket liten skala.

Det gäller exempelvis hur nervcellernas olika delar är organiserade, var synapserna sitter och hur mitokondrierna är fördelade inne i cellerna.

Med skarpare tredimensionella bilder kan forskarna studera sådana samband mer detaljerat.

En fördel med röntgentekniken är att den kan undersöka provets inre utan att vävnaden måste skäras upp i tunna skivor på samma sätt som vid vissa andra mikroskopiska undersökningar.

Det betyder inte att proverna lämnas helt opåverkade. Förberedelserna, exempelvis metallinfärgningen, och exponeringen för intensiv röntgenstrålning är viktiga delar av experimentets förutsättningar.

Tekniken kan också ha betydelse utanför medicinsk och biologisk forskning. Inom materialvetenskap behövs metoder som kan visa hur mycket små strukturer ser ut inuti ett material utan att det behöver delas sönder.

När kan tekniken användas i sjukvården?

Trots de lovande resultaten är det långt mellan de aktuella experimenten och en färdig metod för att undersöka patienter.

Forskarna har använt avancerad utrustning vid synkrotronanläggningen European Synchrotron Radiation Facility i Frankrike. Det är en helt annan miljö än ett vanligt röntgenrum på ett sjukhus.

Studien visar heller inte att metoden redan kan användas för att upptäcka sjukdomar tidigare eller ge säkrare diagnoser.

Det som har demonstrerats är en förbättrad metod för att återskapa bilder av mycket små strukturer i laboratorieprover.

Innan tekniken skulle kunna få kliniska tillämpningar behöver flera frågor besvaras. Dit hör hur metoden fungerar med andra vävnadstyper, vilka krav som ställs på provberedningen och hur stråldoserna påverkar möjligheterna att använda tekniken.

Även tillgången till specialutrustning, de stora datamängderna och beräkningstiden är praktiska utmaningar.

Det är en viktig skillnad jämfört med exempelvis AI-stödd granskning av mammografibilder, där digital bildanalys redan används inom sjukvården. Lundaforskarnas teknik befinner sig fortfarande på forskningsstadiet.

Kan bli användbar även med framtidens röntgenutrustning

En intressant möjlighet är att den matematiska metoden skulle kunna utvecklas vidare och användas tillsammans med framtida avbildningssystem.

Eftersom förbättringen till stor del ligger i hur mätdata behandlas kan principerna vara användbara även när själva utrustningen utvecklas.

Men det återstår att visa vilka andra system som fungerar med metoden och hur stora förbättringarna i så fall blir.

Den aktuella studien i Optica är framför allt ett exempel på hur avancerad matematik kan flytta gränserna för vad som går att se med redan mycket kraftfull röntgenteknik.

För forskare som undersöker nervceller, biologisk vävnad och material på nanonivå kan möjligheten att urskilja tre gånger mindre detaljer i vissa mätningar ge tillgång till information som tidigare varit svår att få fram.

Om samma framsteg på längre sikt också kan bidra till bättre medicinsk diagnostik återstår däremot att undersöka.