Generalized DQE analysis of radiographic and dual‐energy imaging using flat‐panel detectors
Notice bibliographique
Résumé
Analysis of detective quantum efficiency (DQE) is an important component of the investigation of imaging performance for flat-panel detectors (FPDs). Conventional descriptions of DQE are limited, however, in that they take no account of anatomical noise (i.e., image fluctuations caused by overlying anatomy), even though such noise can be the most significant limitation to detectability, often outweighing quantum or electronic noise. We incorporate anatomical noise in experimental and theoretical descriptions of the "generalized DQE" by including a spatial-frequency-dependent noise-power term, S(B), corresponding to background anatomical fluctuations. Cascaded systems analysis (CSA) of the generalized DQE reveals tradeoffs between anatomical noise and the factors that govern quantum noise. We extend such analysis to dual-energy (DE) imaging, in which the overlying anatomical structure is selectively removed in image reconstructions by combining projections acquired at low and high kVp. The effectiveness of DE imaging in removing anatomical noise is quantified by measurement of S(B) in an anthropomorphic phantom. Combining the generalized DQE with an idealized task function to yield the detectability index, we show that anatomical noise dramatically influences task-based performance, system design, and optimization. For the case of radiography, the analysis resolves a fundamental and illustrative quandary: The effect of kVp on imaging performance, which is poorly described by conventional DQE analysis but is clarified by consideration of the generalized DQE. For the case of DE imaging, extension of a generalized CSA methodology reveals a potentially powerful guide to system optimization through the optimal selection of the tissue cancellation parameter. Generalized task-based analysis for DE imaging shows an improvement in the detectability index by more than a factor of 2 compared to conventional radiography for idealized detection tasks.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».