Image quality of direct conversion detectors for mammography and radiography: a theoretical comparison
Notice bibliographique
Résumé
Direct conversion detectors have the potential to provide very high resolution and high detective quantum efficiency (DQE). Selection of a material that is appropriate for the task is dictated by the material properties. A linear cascaded systems analysis of DQE is used to predict the performance of several detector materials such as amorphous Se, CdZnTe, and PbI2. A model is used to predict the spatial frequency-dependent DQE(f) for each material. This model includes: (1) x-ray absorption, (2) K fluorescence, (3) conversion gain, and (4) incomplete charge collection. A depth-dependent approach is used to account for gain variations and charge transport characteristics that change throughout the detector. In the model a parallel cascade, and non-elementary stages are used to model the effect of K-fluorescence reabsorption followed by incomplete charge collection. The DQE(f) is determined across an x-ray energy range of 10 to 100 keV for each material under typical bias conditions ranging from 0.1 V/μm to 10 V/μm. K-fluorescence escape and reabsorption blurring can cause marked reductions in the DQE(f). It is further reduced by incomplete charge collection which can theoretically decrease the DQE(f) by as much as 50% in extreme situations. This model will help determine key factors that will influence material selection for direct conversion x-ray 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».