Frequency-dependent MTF and DQE of photon-counting x-ray imaging detectors (Conference Presentation)
Notice bibliographique
Résumé
Theoretical modeling of the performance of x-ray imaging detectors enables understanding relationships between the physics of x-ray detection and x-ray image quality, and enables theoretical optimization of novel x-ray imaging techniques and technologies. We present an overview of a framework for theoretical modeling of the frequency-dependent signal and noise properties of single-photon-counting (SPC) and energy-resolving x-ray imaging detectors. We show that the energy-response function, large-area gain, modulation transfer function (MTF), noise power spectrum (NPS) (including spatio-energetic noise correlations) and detective quantum efficiency (DQE) of SPC and energy-resolving x-ray imaging detectors are related through the probability density function (PDF) describing the number electron-hole (e-h) pairs collected in detector elements following individual x-ray interactions. We demonstrate how a PDF-transfer approach can be used to model analytically the MTF and NPS, including spatio-energetic noise correlations, of SPC and energy-resolving x-ray imaging detectors. Our approach enables modeling the combined effects of stochastic conversion gain, electronic noise, characteristic emission, characteristic reabsorption, coulomb repulsion and diffusion of e-h pairs and energy thresholding on the MTF and NPS. We present applications of this framework to (1) analysis of the frequency-dependent DQE of SPC systems that use cadmium telluride (CdTe) x-ray converters, and (2) analysis of spatio-energetic noise correlations in CdTe energy-resolving x-ray detectors. The developed framework provides a platform for theoretical optimization of next-generation SPC and energy-resolving x-ray imaging 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».