MétaCan
Menu
Retour à la cohorte
Enregistrement W4310958805 · doi:10.1002/mp.16114

An experimental framework for assessing the detective quantum efficiency of spectroscopic x‐ray detectors

2022· article· en· W4310958805 sur OpenAlexafffund
Nikta Zarif Yussefian, Jesse Tanguay

Notice bibliographique

RevueMedical Physics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Radiography and Breast Imaging
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Research Foundation
Mots-clésDetective quantum efficiencyOptical transfer functionDetectorX-ray detectorOpticsPhysicsComputer scienceImage qualityMathematicsArtificial intelligenceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Abstract Background Assessing the performance of spectroscopic x‐ray detectors (SXDs) requires measurement of the frequency‐dependent detective quantum efficiency (DQE). Analytical expressions of the task‐based DQE and task‐independent DQE of SXDs have been presented in the literature, but standardizable experimental methods for measuring them have not. The task‐based DQE quantifies the efficiency with which an SXD uses the x‐ray quanta incident upon it to either quantify or detect a basis material (e.g., soft tissue or bone) of interest. The task‐independent DQE is akin to the conventional DQE in that it is independent of the basis material to be detected or quantified. Purpose The purpose of this paper is to develop an experimental framework to present a method for experimental analysis of the DQE of SXDs, including the task‐based DQE and task‐independent DQE. Methods We develop methods to measure the frequency‐dependent DQE for task of quantifying or detecting a perturbation in a known basis material. We also develop methods for measuring a task‐independent DQE. We show that the task‐based DQEs and the task‐independent DQE can be measured using a modest extension of the methods prescribed by International Electrotechnical Commission (IEC). Specifically, measuring the task‐independent DQE requires measuring the modulation transfer function (MTF) and noise power spectrum (NPS) of each energy‐bin image, in addition to the cross NPS between energy‐bin images. Measuring the task‐based DQEs requires an additional measurement of the transmission fraction through a thin basis‐material absorber. We implemented the developed methods using standardized IEC x‐ray spectra, aluminum (Al) and polymethyl methacrylyte (PMMA) basis materials, and a cadmium telluride (CdTe) SXD equipped with two energy bins and analog charge summing (ACS) for charge‐sharing suppression. We also performed a regression analysis to determine whether or not the task‐independent DQE is predictive of the task‐based DQEs. Results Experimental results of the task‐based DQEs were consistent with simulation results presented in the literature. In general, and as expected, ACS increased the task‐based DQEs and task‐independent DQE. This effect was most pronounced for quantification tasks, in some instances yielding a five‐fold increase in the DQE. For both spectra, with and without ACS for charge sharing correction, the task‐based DQEs were linearly related to the task‐independent DQE, as demonstrated by R 2 ‐values ranging from 0.89 to 1.00. Conclusions We have extended experimental DQE analysis to SXDs that count photons in multiple energy bins in a single x‐ray exposure. The developed framework is an extension of existing IEC methods, and provides a standardized approach to assessing the performance of SXDs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,335
Écart entre enseignants0,319 · 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 tête enseignante, 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

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetDigital Radiography and Breast ImagingTravaux en français237 207