Theoretical comparison of the detective quantum efficiency of halide lead perovskite, cesium iodide and selenium x-ray imaging detectors
Notice bibliographique
Résumé
Halide lead perovskites have been proposed for direct-conversion x-ray imaging because of their high stopping power, high charge mobility and high bulk resistivity. We modeled the detective quantum efficiency (DQE) of methylammonium lead iodide (MAPbI3) and compared with that of amorphous selenium (a-Se) and columnar cesium iodide (CsI). For CsI, we calculated the DQE for RQA-5, RQA- 7 and RQA-9 x-ray spectra for 200 µm detectors elements; for a-Se we calculated the DQE for MMA 28 x-ray spectrum for 75 µm elements. Our DQE model included the quantum efficiency, x-ray fluorescence, fluorescence reabsorption, charge conversion, collection of secondary quanta (i.e. charges or optical photons), charge diffusion in MAPbI3, optical blur in CsI, noise aliasing, and electronic noise. The model DQE of CsI was compared with published data; the model photoelectric noise power spectrum of lead was compared with published Monte Carlo data; there was excellent agreement. For fluoroscopic applications, the theoretical DQE of MAPbI3 was approximately equal to that of CsI at exposures of 10µR per image, but was ~40% lower than CsI at an exposure of 0.1µR per image. This result is due to the relatively high levels of electronic noise present in prototype MAPbI3 systems. For chest radiography applications, the theoretical DQE of MAPbI3 was 25% greater than that of CsI at typical exposure levels (i.e. 0.04mR 3mR at the detector). For mammography, the theoretical DQE of MAPbI3 was ~5% greater than that of a-Se across all spatial frequencies and all exposures between 0.6mR 250mR. These results suggest that halide lead perovskites may provide superior dose efficiency than CsI-based systems in chest radiography applications, but may offer little to no improvement in mammographic or fluoroscopic 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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».