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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,011 |
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 ».