Time-of-flight scatter rejection in x-ray radiography
Notice bibliographique
Résumé
Abstract Objective. Time-of-flight (TOF) scatter rejection allows for identifying and discarding scattered photons without the use of an anti-scatter grid (ASG). Although TOF scatter rejection was initially presented for cone-beam computed tomography, we propose, herein, to extend this approach to x-ray radiography. This work aims to evaluate with simulations if TOF scatter rejection can outperform ASGs for radiography. Approach. GATE was used to simulate the radiography of a head and a torso and a water cylinder with bone inserts in a system with total timing jitters from 0 ps up to 500 ps full-width-at-half-maximum. The transmission factor of TOF scatter rejection for primary and scattered photons was evaluated as if it were a virtual ASG. Main results. With a total timing jitter of 50 ps, TOF scatter rejection can reach a selectivity of 4.93 with a primary photons transmission of 99%. Reducing the timing jitter close to 0 ps increases the selectivity up to 15.85 for a head and torso radiography, outperforming typical ASGs which usually have a selectivity from 2.5 to 10 with a primary photons transmission from 50% to 70%. Significance. This suggests that TOF scatter rejection may be suitable to replace ASGs in applications requiring lower radiation exposure if sufficiently low timing jitter is achieved.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».