SU-E-T-95: Imaging Protocol Investigations with a Fan-Beam Optical CT Scanner for 3D Dosimetry
Notice bibliographique
Résumé
Purpose: To investigate data acquisition protocol choices and their effects on image noise for a prototype fan-beam optical CT scanner intended for evaluating 3D dosimeters. Methods: The prototype scans dosimeters submerged in a refractive index-matching bath. For all tests, uniform samples of scattering solution (synthetic polymer in water) were housed in cylindrical containers (1-litre, 95 mm diameter) and scanned in a water bath. for reference data (I_o), options evaluated were: i) a projection through the bath, ii) an average projection through a “blank” (water-filled container), and iii) an entire sinogram through a “blank”. Scan parameters considered were: i) temporal delay between I_o and I scans, ii) number of projections per rotation, iii) number of samples averaged per projection, and iv) vertical displacement between I_o and I slices. Images were reconstructed using filtered backprojection. Relative noise (st.dev./mean) in a consistent region of interest was used to quantify image quality. Results: Using a reference scan through a “blank” as opposed to one through only a water bath eliminated major ring artefacts. Furthermore, using a full I_o sinogram through a “blank” instead of an averaged profile considerably reduced noise (22.4% to 3.1%). Minimal increases in noise were seen when delaying scans (3% to 5%, one hour later). Increases in noise were seen with fewer than 360 projections per rotation; with > 360 projections, no significant reductions in noise were seen (up to 1800). No benefit was found by acquiring multiple samples per projection. Significant noise increase was seen when I_o and I slices were displaced by even 1 mm (2.6% to 15.5%). Conclusions: Noise reduction is optimized when comparing scan sinograms ray-by-ray to full sinograms of a “blank”. Main sources of image noise were attributed to variations in the surface quality of the containers used. Funding from the Canadian Institutes of Health Research and the University of Victoria supported portions of this work.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».