On the use of polychromatic cameras for high spatial resolution spectral dose measurements
Notice bibliographique
Résumé
Abstract Objective. Despite the demonstrated benefits of hyperspectral formalism for stem effect corrections in the context of fiber dose measurements, this approach has not been yet translated into volumetric measurements where cameras are typically used for their distinguishing spatial resolution. This work investigates demosaicing algorithms for polychromatic cameras based spectral imaging. Approach. The scintillation and Cherenkov signals produced in a radioluminescent phantom are imaged by a polychromatic camera and isolated using the spectral formalism. To do so, five demosaicing algorithms are investigated from calibration to measurements: a clustering method and four interpolation algorithms. The resulting accuracy of scintillation and Cherenkov images is evaluated with measurements of the differences (mean ± standard deviation) between the obtained and expected signals from profiles drawn across a scintillation spot. Signal-to-noise ratio and signal-to-background ratio are further measured and compared in the resulting scintillation images. Finally, the resulting differences on the scintillation signal from a 0.2 × 0.2 cm 2 region-of-interest (ROI) were reported. Main results. Clustering, OpenCV, bilinear, Malvar and Menon demosaicing algorithms respectively yielded differences of 3 ± 5%, 1 ± 3%, 1 ± 3%, 1 ± 2% and 2 ± 4% in the resulting scintillation images. For the Cherenkov images, all algorithms provided differences below 1%. All methods enabled measurements over the detectability (SBR > 2) and sensitivity (SNR > 5) thresholds with the bilinear algorithm providing the best SNR value. Clustering, OpenCV, bilinear, Malvar and Menon demosaicing algorithms respectively provided differences on the ROI analysis of 7 ± 5%, 3 ± 2%, 3 ± 2%, 4 ± 2%, 7 ± 3%. Significance. Radioluminescent signals can accurately be isolated using a single polychromatic camera. Moreover, demosaicing using a bilinear kernel provided the best results and enabled Cherenkov signal subtraction while preserving the full spatial resolution of the camera.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».