Development of a portable instrument for automated measurements of the detective quantum efficiency of x-ray detectors
Notice bibliographique
Résumé
The scientific community has generally adopted use of the modulation transfer function (MTF) and detective quantum efficiency (DQE) as primary measures of performance of radiographic detectors. However, measurement of these parameters is generally restricted to experts in laboratory environments due to the required x-ray physics knowledge, specialized instrumentation and computational analyses. We have developed a prototype instrument that automates both the physical measurement and subsequent image analysis to determine the MTF, noise power spectrum (NPS) and DQE of radiographic and mammographic systems. The instrument is placed in the x-ray path directly in front of the detector. A series of images are acquired, saved in "raw" DICOM format and then used to determine the MTF (using the slanted-edge method) and NPS. The number of incident quanta is calculated from measurements of the incident exposure including corrections for air temperature and pressure and ionization chamber spectral response. The primary sources of error are backscatter from the detector and scatter generated within the instrument. These have been minimized to achieve an incident exposure measurement within 2% of a calibrated electrometer and chamber in free space. The MTF and DQE of a commercial CsI-based flat-panel detector were measured over a range of incident exposures from 20 uR to 20 mR per image. Results agreed with both our own laboratory measurements and previously published measurements performed elsewhere with a similar detector within 2% for the MTF and 5% for the DQE. A complete DQE analysis of a clinical digital flat-panel detector is completed in 30 minutes and requires no system modifications.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 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 ».