A moving slanted‐edge method to measure the temporal modulation transfer function of fluoroscopic systems
Notice bibliographique
Résumé
Lag in fluoroscopic systems introduces a frame-averaging effect that reduces measurements of image noise and incorrectly inflates measurements of the detective quantum efficiency (DQE). A correction can be implemented based on measurements of the temporal modulation transfer function (MTF). We introduce a method of measuring the temporal MTF under fluoroscopic conditions using a moving slanted edge, a generalization of the slanted-edge method used to measure the (spatial) MTF, providing the temporal MTF of the entire imaging system. The method uses a single x-ray exposure, constant edge velocity, and assumes spatial and temporal blurring are separable. The method was validated on a laboratory x-ray image intensifier (XRII) system by comparison with direct measurements of the XRII optical response, showing excellent agreement over the entire frequency range tested (+/- 100 Hz). With proper access to linearized data and continuous fluoroscopy, this method can be implemented in a clinical setting on both XRII and flat-panel detectors. It is shown that the temporal MTF of the CsI-based validation system is a function of exposure rate. The rising-edge response showed more lag than the falling edge, and the temporal MTF decreased with decreasing exposure rate. It is suggested that a small-signal approach, in which the range of exposure rates is restricted to a linear range by using a semitransparent moving edge, would be appropriate for measuring the DQE of these systems.
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 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».