MétaCan
Menu
Retour à la cohorte
Enregistrement W3196583500 · doi:10.1002/mp.15194

A detective quantum efficiency for spectroscopic X‐ray imaging detectors

2021· article· en· W3196583500 sur OpenAlexafffund
Jesse Tanguay, Devon Richtsmeier, Christopher Dydula, James Day, Kris Iniewski, Magdalena Bazalova‐Carter

Notice bibliographique

RevueMedical Physics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensRedlen Technologies (Canada)University of VictoriaToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDetective quantum efficiencyDetectorOpticsPhysicsImage qualityComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose Spectroscopic X‐ray detectors (SXDs) are under development for X‐ray imaging applications. Recent efforts to extend the detective quantum efficiency (DQE) to SXDs impose a barrier to experimentation and/or do not provide a task‐independent measure of detector performance. The purpose of this article is to define a task‐independent DQE for SXDs that can be measured using a modest extension of established DQE‐metrology methods. Methods We defined a task‐independent spectroscopic DQE and performed a simulation study to determine the relationship between the zero‐frequency DQE and the ideal‐observer signal‐to‐noise ratio (SNR) of low‐frequency soft‐tissue, bone, iodine, and gadolinium signals. In our simulations, we used calibrated models of the spatioenergetic response of cadmium telluride (CdTe) and cadmium–zinc–telluride (CdZnTe) SXDs. We also measured the zero‐frequency DQE of a CdTe detector with two energy bins and of a CdZnTe detector with up to six energy bins for an RQA9 spectrum and compared with model predictions. Results The spectroscopic DQE accounts for spectral distortions, energy‐bin‐dependent spatial resolution, interbin spatial noise correlations, and intrabin spatial noise correlations; it is mathematically equivalent to the squared SNR per unit fluence of the generalized least‐squares estimate of the height of an X‐ray impulse in a uniform noisy background. The zero‐frequency DQE has a strong linear relationship with the ideal‐observer SNR of low‐frequency soft‐tissue, bone, iodine, and gadolinium signals, and can be expressed in terms of the product of the quantum efficiency and a Swank noise factor that accounts for DQE degradation due to, for example, charge sharing (CS) and electronic noise. The spectroscopic Swank noise factor of the CdTe detector was measured to be 0.81 0.04 and 0.83 0.04 with and without anticoincidence logic for CS suppression, respectively. The spectroscopic Swank noise factor of the CdZnTe detector operated with four energy bins was measured to be 0.82 0.02 which is within 5% of the theoretical value. Conclusions The spectroscopic DQE defined here is (1) task‐independent, (2) can be measured using a modest extension of existing DQE‐metrology methods, and (3) is predictive of the ideal‐observer SNR of soft‐tissue, bone, iodine, and gadolinium signals. For CT applications, the combination of CS and electronic noise in CdZnTe spectroscopic detectors will degrade the zero‐frequency DQE by 10 %–20 % depending on the electronic noise level and pixel size.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,242
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207