MétaCan
Menu
Retour à la cohorte
Enregistrement W2011470011 · doi:10.1116/1.2192526

High dynamic range active pixel sensor arrays for digital x-ray imaging using a-Si:H

2006· article· en· W2011470011 sur OpenAlexafffund
Jackson Lai, Arokia Nathan, John Rowlands

Notice bibliographique

RevueJournal of Vacuum Science & Technology A Vacuum Surfaces and Films · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDynamic rangeWide dynamic rangeActive matrixPixelDetectorImage sensorSIGNAL (programming language)High dynamic rangeLinearityPhotocurrentSensitivity (control systems)Materials sciencePhysicsComputer scienceOpticsOptoelectronicsElectronic engineeringEngineeringNanotechnologyThin-film transistor

Résumé

récupéré en direct d'OpenAlex

Hydrogenated amorphous silicon (a-Si:H) active matrix flat panel imagers have gained considerable significance in large area digital imaging applications, in view of their large area readout capability. Current interests lie in a multifaceted a-Si:H array which is compatible with multiple x-ray imaging modalities. This concept entails a single detector system with sufficient dynamic range and variable signal gain. This article reports on an active pixel sensor (APS) array with high dynamic range and programable gain for multimodality x-ray imaging. Initial results have demonstrated sensitivity from subpicoampere to nanoampere photocurrent, which proves amenable for both low-dosage dynamic imaging and high input static imaging. In addition, the programable system signal gain alleviates problems such as output saturation and ensures signal readout linearity to further improve the exploitable dynamic range. Together with external amplification, this APS circuit delivers the performance needed in terms of signal gain, dynamic range, and readout rate entailed by fluoroscopic and radiographic imaging applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,862
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,217
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology A Vacuum Surfaces and FilmsMême sujetCCD and CMOS Imaging SensorsTravaux en français237 207