Detective quantum efficiency of photon‐counting x‐ray detectors
Notice bibliographique
Résumé
PURPOSE: Single-photon-counting (SPC) x-ray imaging has the potential to improve image quality and enable novel energy-dependent imaging methods. Similar to conventional detectors, optimizing image SPC quality will require systems that produce the highest possible detective quantum efficiency (DQE). This paper builds on the cascaded-systems analysis (CSA) framework to develop a comprehensive description of the DQE of SPC detectors that implement adaptive binning. METHODS: The DQE of SPC systems can be described using the CSA approach by propagating the probability density function (PDF) of the number of image-forming quanta through simple quantum processes. New relationships are developed to describe PDF transfer through serial and parallel cascades to accommodate scatter reabsorption. Results are applied to hypothetical silicon and selenium-based flat-panel SPC detectors including the effects of reabsorption of characteristic/scatter photons from photoelectric and Compton interactions, stochastic conversion of x-ray energy to secondary quanta, depth-dependent charge collection, and electronic noise. Results are compared with a Monte Carlo study. RESULTS: Depth-dependent collection efficiency can result in substantial broadening of photopeaks that in turn may result in reduced DQE at lower x-ray energies (20-45 keV). Double-counting interaction events caused by reabsorption of characteristic/scatter photons may result in falsely inflated image signal-to-noise ratio and potential overestimation of the DQE. CONCLUSIONS: The CSA approach is extended to describe signal and noise propagation through photoelectric and Compton interactions in SPC detectors, including the effects of escape and reabsorption of emission/scatter photons. High-performance SPC systems can be achieved but only for certain combinations of secondary conversion gain, depth-dependent collection efficiency, electronic noise, and reabsorption characteristics.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».