Spectral analysis of fundamental signal and noise performances in photoconductors for mammography
Notice bibliographique
Résumé
PURPOSE: This study investigates the fundamental signal and noise performance limitations imposed by the stochastic nature of x-ray interactions in selected photoconductor materials, such as Si, a-Se, CdZnTe, HgI(2), PbI(2), PbO, and TlBr, for x-ray spectra typically used in mammography. METHODS: It is shown how Monte Carlo simulations can be combined with a cascaded model to determine the absorbed energy distribution for each combination of photoconductor and x-ray spectrum. The model is used to determine the quantum efficiency, mean energy absorption per interaction, Swank noise factor, secondary quantum noise, and zero-frequency detective quantum efficiency (DQE). RESULTS: The quantum efficiency of materials with higher atomic number and density demonstrates a larger dependence on convertor thickness than those with lower atomic number and density with the exception of a-Se. The mean deposited energy increases with increasing average energy of the incident x-ray spectrum. HgI(2), PbI(2), and CdZnTe demonstrate the largest increase in deposited energy with increasing mass loading and a-Se and Si the smallest. The best DQE performances are achieved with PbO and TlBr. For mass loading greater than 100 mg cm(-2), a-Se, HgI(2), and PbI(2) provide similar DQE values to PbO and TlBr. CONCLUSIONS: The quantum absorption efficiency, average deposited energy per interacting x-ray, Swank noise factor, and detective quantum efficiency are tabulated by means of graphs which may help with the design and selection of materials for photoconductor-based mammography detectors. Neglecting the electrical characteristics of photoconductor materials and taking into account only x-ray interactions, it is concluded that PbO shows the strongest signal-to-noise ratio performance of the materials investigated in this study.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».