MétaCan
Menu
Retour à la cohorte
Enregistrement W2045006470 · doi:10.1364/josaa.24.00b151

Signal and noise transfer in spatiotemporal quantum-based imaging systems

2007· article· en· W2045006470 sur OpenAlexafffund
R. Akbarpour, Saul N. Friedman, Jeffrey H. Siewerdsen, John Neary, Ian A. Cunningham

Notice bibliographique

RevueJournal of the Optical Society of America A · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Signal Denoising Methods
Établissements canadiensUniversity of TorontoWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésOptical transfer functionSpectral densityTransfer functionNoise (video)Fourier transformQuantum noisePhysicsBandwidth (computing)Communication noiseNoise powerLagOpticsSpatial frequencyFrequency domainStatistical physicsQuantumComputer sciencePower (physics)Image (mathematics)Artificial intelligenceQuantum mechanicsTelecommunicationsComputer vision

Résumé

récupéré en direct d'OpenAlex

Fourier-based transfer theory is extended into the temporal domain to describe both spatial and temporal noise processes in quantum-based medical imaging systems. Lag is represented as a temporal scatter in which the release of image quanta is delayed according to a probability density function. Expressions describing transfer of the spatiotemporal Wiener noise power spectrum through quantum gain and scatter processes are derived. Lag introduces noise correlations in the temporal domain in proportion to the correlated noise component only. The effect of lag is therefore dependent on both spatial and temporal physical processes. A simple model of a fluoroscopic system shows that image noise is reduced by a factor that is similar to Wagner's information bandwidth integral, which depends on the temporal modulation transfer function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Optical Society of America AMême sujetImage and Signal Denoising MethodsTravaux en français237 207