MétaCan
Menu
Retour à la cohorte
Enregistrement W2316163875 · doi:10.1109/tbme.2016.2552496

Fourier Analysis of Noise Characteristics in Cone-Beam Microtomography Laboratory Scanners

2016· article· en· W2316163875 sur OpenAlexaff
Sun Young Jang, Ho Kyung Kim, Hanbean Youn, Seungryong Cho, Ian A. Cunningham

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensRobarts Clinical Trials
Organismes subventionnairesNational Research Foundation
Mots-clésOptical transfer functionOpticsNoise (video)MagnificationFlat panel detectorNyquist frequencyDetective quantum efficiencyImaging phantomDetectorSignal-to-noise ratio (imaging)Convolution (computer science)Image noiseSIGNAL (programming language)PhysicsSmoothingFourier transformWindow functionFilter (signal processing)Computer scienceImage qualityComputer visionArtificial intelligenceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

GOAL: We investigate the signal and noise performance of an x-ray microtomography system that incorporates a complementary metal-oxide-semiconductor flat-panel detector as a projection image receptor. METHODS: Signal and noise performance is analyzed in the Fourier domain using modulation-transfer function (MTF), noise-power spectrum (NPS), and noise-equivalent number of quanta (NEQ) with respect to magnification and different convolution kernels for image reconstruction. RESULTS: Higher magnification provides lower NPS, and thus, higher NEQ performance in the transaxial planes from microtomography. A window function capable of smoothing the ramp filter edge to below one-half of the Nyquist limit results in better performance in terms of NPS and NEQ. The characteristics of convolution kernels do not affect signal and noise performance in longitudinal planes; hence, MTF performance mainly dominates the NEQ performance. The signal and noise performances investigated in this study are demonstrated with images obtained from the contrast phantom and postmortem mouse. CONCLUSION: The results of our study could be helpful in developing x-ray microtomography systems based on flat-panel detectors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,249
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207