Improved temporal performance and optical quantum efficiency of avalanche amorphous selenium for low dose medical imaging
Notice bibliographique
Résumé
Active matrix flat panel imagers (AMFPIs) with thin-film transistor (TFT) arrays have become the dominant technology for digital x-ray imaging. However, their performance is degraded by electronic noise in low dose imaging applications. One potential solution is to overcome electronic noise using avalanche gain in an amorphous selenium (a-Se) photoconductor in indirect AMFPI, known as the scintillating high-gain avalanche rushing photoconductor AMFPI (SHARP-AMFPI). We previously developed two SHARP-AMFPI prototypes, however both have several areas of desired improvement. In this work, we fabricate and characterize HARP samples with a composite hole blocking layer (HBL) structure to reliably maintain avalanche fields while reducing temporal effects, as well as samples with tellurium (Te) alloyed a-Se to increase the optical quantum efficiency (OQE) to thallium doped cesium iodide (CsI:Tl) columnar scintillators. Our measurements show that the composite HBL has improved temporal performance over the original prototype, with ghosting below 3% at 10 mR equivalent exposure and no noticeable lag observed. We also show that the layer has comparable dark current to the previously used organic HBL and can reach an avalanche gain of 16. We aim to further reduce the dark current by improving the formulation of the n-type metal oxide layer using different deposition methods. Introducing Te-alloying to HARP samples shows an increase in OQE from 0.018 to 0.43 for 532 nm light. The addition of Te resulted in increased lag, attributed to charge trapping within the layer. Future work will investigate arsenic and chlorine co-doping to restore charge transport in this layer.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».