Sci‐Sat AM(1): Imaging‐07: Open field normalization: How to avoid inflation to MTF and DQE values caused by zero‐frequency normalization
Notice bibliographique
Résumé
PURPOSE: To show that the novel open-field normalization technique prevents a common error in calculation of the detective quantum efficiency (DQE) caused by zero-frequency normalization of the modulation transfer function (MTF). METHOD AND MATERIALS: Models describing zero-frequency and open-field normalization were used to derive the resulting measured MTF, noise power spectrum (NPS) and DQE using a finite region of interest (ROI) of image data. Simulated one-dimensional images containing Gaussian blur were used to model a deterministic system and to calculate the resultant values. Measurements were made using both zero-frequency and open-field normalization with ROIs ranging in size from 1-10 cm. RESULTS: Use of a finite ROI results in truncation of the system line-spread function (LSF) causing the zero-frequency value of the measured MTF to be less than the true MTF value of unity, and causes spectral leakage in both the MTF and NPS. Zero-frequency normalization of the MTF inflates values at all non-zero frequencies. Since no zero-frequency normalization is performed on the NPS, this causes inflated DQE values. Simulated results show a 6% inflation of DQE values for a ROI of 10 cm, which increases as the ROI is reduced. Open-field normalization accurately determines MTF and NPS (and thus DQE) values at all frequencies away from zero frequency. CONCLUSION: Open-field normalization measurements provide a good estimate of the true MTF and DQE. This approach should be used to avoid a common error in DQE calculations that is not obvious and inflates DQE calculations by 5-20%.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».