Technical Note: Detective quantum efficiency simulation of a‐Se imaging detectors using ARTEMIS
Notice bibliographique
Résumé
PURPOSE: This work studies the detective quantum efficiency (DQE) of a-Se-based solid state x-ray detectors for medical imaging applications using ARTEMIS, a Monte Carlo simulation tool for modeling x-ray photon, electron and charged carrier transport in semiconductors with the presence of applied electric field. METHODS: ARTEMIS is used to model the signal formation process in a-Se. The simulation model includes x-ray photon and high-energy electron interactions, and detailed electron-hole pair transport with applied detector bias taking into account drift, diffusion, Coulomb interactions, recombination and trapping. For experimental validation, the DQE performance of prototype a-Se detectors is measured following IEC Testing Standard 62220-1-3. RESULTS: Comparison of simulated and experimental DQE results show reasonable agreement for RQA beam qualities. Experimental validation demonstrated within 5% percentage difference between simulation and experimental DQE results for spatial frequency above 0.25 cycles/mm using uniform applied electric field for RQA beam qualities (RQA5, RQA7 and RQA9). Results include two different prototype detectors with thicknesses of 240 μm and 1 mm. CONCLUSIONS: ARTEMIS can be used to model the DQE of a-Se detectors as a function of x-ray energy, detector thickness, and spatial frequency. The ARTEMIS model can be used to improve understanding of the physics of x-ray interactions in a-Se and in optimization studies for the development of novel medical imaging applications.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».