Validation of complex cascaded models of medical imaging systems by Monte Carlo
Notice bibliographique
Résumé
Cascaded models have been used by a number of investigators to derive analytic expressions for the Wiener noise power spectrum (NPS) and detective quantum efficiency (DQE) based on design parameters to evaluate the performance of medical x-ray imaging systems. These analytic models are required to establish operating benchmarks and compare the performance of real detectors. Although application of the cascaded approach has had several successes, its contribution is often limited when applied to complex models. This is due to the fact that while final algebraic expressions can be relatively simple, the cascaded approach involves the manipulation of many hundreds of terms. To overcome this limitation a computational engine has been developed using Matlab's Simulink and symbolic math capabilities. Based on a recursive programming approach, this engine generates analytic expressions of NPS and DQE for cascaded models of arbitrary complexity. In order to validate the resulting expressions, a Monte Carlo (MC) simulation program has been developed that performs an analysis based on C-code generated by the computational engine for each model. The Monte Carlo code generates an incident quantum image as a Poisson distribution of quanta. This distribution is passed through appropriate serial and parallel cascades of modules representing elementary processes and is used to calculate the NPS for comparison with the analytic NPS. Results show excellent agreement between Monte Carlo and theoretical expressions. We are at the stage where complex cascaded modelling is becoming practical tool in the design of new detector 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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».