Sci‐Fri AM: YIS‐10: Development of a flat panel detector with avalanche gain for low‐dose x‐ray imaging
Notice bibliographique
Résumé
Digital flat panel detectors are increasingly being used in radiography and fluoroscopy. The imaging performance of current systems, however, is compromised by electronic noise at the low X-ray exposures employed in fluoroscopy and low-dose radiography. In other words, current flat panel detectors are not quantum noise limited at these low radiation exposures. There is thus a need to develop an imaging detector with the high sensitivity of an X-ray image intensifier and the inherent advantages of a solid-state flat panel detector. Towards this end, we have developed and characterized a novel solid-state device capable of providing very high avalanche gains and an excellent temporal response. The device which is based on the amorphous photoconductor a-Se, is scalable (i.e. can be manufactured in large areas), can overcome electronic noise even at the lowest X-ray exposures used in diagnostic imaging (0.1 μR/frame at the detector) and has a very low level of dark current. Here, we investigate the gain and temporal characteristics of this device and discuss its applicability for low exposure X-ray imaging as well as the effects of avalanche gain on the detective quantum efficiency. Coupled to a high-resolution structured CsI X-ray scintillator and a thin film transistor array, this device should provide a true solid-state alternative to the X-ray image intensifier, which is both robust and cost-effective. This should open the door to dose-efficient flat panel imagers for radiography and fluoroscopy as well as a number of other demanding medical 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 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 ».