X-ray forward-scatter imaging: Experimental validation of model
Notice bibliographique
Résumé
In our research program we have investigated, through modeling and related numerical calculations, the potential use of scattered photons for medical x-ray imaging. In this work, we present an experimental validation of the primary and of the forward-scatter x-ray imaging models. Incident polyenergetic photon beams generated from a conventional rotating anode x-ray tube were used. To compare quantitatively the results between primary and forward-scatter imaging, an ionization chamber was used to record the incident air collision kerma, Kair(c). Plots of contrast (C) and the signal-to-noise ratio (SNR) as a function of the imaging task are presented. We have chosen to make measurements with plastics [polymethyl methacrylate (PMMA), polycarbonate, polystyrene, polyethylene, and nylon] placed at the center of a 15 cm diam spherical water phantom. Good agreement between experiment (expt) and prediction (pred) was obtained for many imaging tasks. For example, to image a 2 cm thick PMMA/polycarbonate combination using an 80 kV beam with the primary photons we obtain Cexpt = 0.01 +/- 0.02, Cpred = 0.008 +/- 0.002, SNRexp/square root Kair(c) = 0.86 +/- 1.6(mJ/kg)(-1/2) and SNRpred/square root K(air)c = 0.51 +/- 0.14(mJ/kg)(-1/2). The values obtained by using the theta = 4 degrees scattered field were Cexpt = 0.26 +/- 0.06, Cpred = 0.19 +/- 0.01, SNRexp/square root Kair(c) = 3.8 +/- 0.8(mJ/ kg)(-1/2), and SNRpred/square root K(air(c) = 3.2 +/- 0.3 (mJ/kg)(-1/2) We have, however, shown that using form factor data from different authors can have a significant effect on the predicted values of C and SNR. The use of our semianalytic expressions for the numbers of transmitted and scattered photons combined with our experimental measurements allowed us to quantify the amount of water contamination in our measurements. Some preliminary results in air with biological materials (liver, muscle, water) are also presented. We are confident that our model can be used as a tool for designing and optimizing an x-ray scatter imaging system.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».