Poster — Thur Eve — 54: Discrete Point Spread Functions for Electronic Portal Imaging Devices
Notice bibliographique
Résumé
EPID images are related to the fluence by a (possibly position‐dependent) Point Spread Function (PSF), or kernel. So far, work concerning finding the PSF for a certain EPID has relied on continuous representations. Since the EPID image itself corresponds to a discrete pixel grid, an interesting problem is to find a discrete PSF and do so based only on measurements, without resorting to Monte Carlo simulations. The present work concerns a method for finding such a discrete kernel for the simple case when the kernel is translation‐ and rotation‐invariant. The method relies on minimizing the difference, in a least‐squares sense, between the true acquired image and the image obtained with the calculated kernel. The method was tested using a simulated fluence and EPID image corresponding to a uniform rectangular field. The EPID image was generated by convolving the fluence with a known PSF. The developed algorithm was then tested by comparing the PSF shape produced by the algorithm (based on the image and fluence) with the actual PSF shape used to construct the EPID image. The two were found to match perfectly. A second test was performed by introducing a random error, uniformly distributed in the (−10%, +10%) interval, into the fluence used as input for the algorithm and then reconstructing the EPID image using the calculated PSF. The difference between the “true” EPID image and the reconstructed one was found to be smaller than 0.1% for the simulated field that was studied.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».