Technical Note: Determining regions of interest for CCD camera‐based fiber optic luminescence dosimetry by examining signal‐to‐noise ratio
Notice bibliographique
Résumé
PURPOSE: The goal of this work was to develop a method for determining regions of interest (ROIs) based on signal-to-noise ratio (SNR) for the analysis of charge-coupled device (CCD) images used in luminescence-based radiation dosimetry. METHODS: The ROI determination method was developed using images containing high-and low-intensity signals taken with a CCD-based, fiber optic plastic scintillation detector system. A series of threshold intensity values was defined for each signal, and ROIs were fitted around the pixels that exceeded each threshold. The SNR for each ROI was calculated and the relationship between SNR and ROI area was examined. RESULTS: The SNR was found to increase rapidly over small ROIs for both signal levels. After reaching a maximum, the SNR of the low-intensity signal decreased steadily over larger ROIs, but the high-intensity SNR did not decrease appreciably over the ROI sizes studied. The spatial extent of the normalized images showed intensity independence, suggesting that a fixed ROI is useful for varying signal levels. CONCLUSIONS: The method described here constitutes a simple yet effective method for defining ROIs based on SNR that could enhance the low-level detection capabilities of CCD-based luminescence dosimetry systems.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».