On two‐parameter models of photon cross sections: Application to dual‐energy CT imaging
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The goal of this study is to evaluate the theoretically achievable accuracy in estimating photon cross sections at low energies (20-1000 keV) from idealized dual-energy x-ray computed tomography (CT) images. Cross-section estimation from dual-energy measurements requires a model that can accurately represent photon cross sections of any biological material as a function of energy by specifying only two characteristic parameters of the underlying material, e.g., effective atomic number and density. This paper evaluates the accuracy of two commonly used two-parameter cross-section models for postprocessing idealized measurements derived from dual-energy CT images. The parametric fit model (PFM) accounts for electron-binding effects and photoelectric absorption by power functions in atomic number and energy and scattering by the Klein-Nishina cross section. The basis-vector model (BVM) assumes that attenuation coefficients of any biological substance can be approximated by a linear combination of mass attenuation coefficients of two dissimilar basis substances. Both PFM and BVM were fit to a modern cross-section library for a range of elements and mixtures representative of naturally occurring biological materials (Z = 2-20). The PFM model, in conjunction with the effective atomic number approximation, yields estimated the total linear cross-section estimates with mean absolute and maximum error ranges of 0.6%-2.2% and 1%-6%, respectively. The corresponding error ranges for BVM estimates were 0.02%-0.15% and 0.1%-0.5%. However, for photoelectric absorption frequency, the PFM absolute mean and maximum errors were 10.8%-22.4% and 29%-50%, compared with corresponding BVM errors of 0.4%-11.3% and 0.5%-17.0%, respectively. Both models were found to exhibit similar sensitivities to image-intensity measurement uncertainties. Of the two models, BVM is the most promising approach for realizing dual-energy CT cross-section measurement.
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.
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 découle