MétaCan
Menu
Retour à la cohorte
Enregistrement W4409253571 · doi:10.1117/12.3048813

Experimental investigation of direct-indirect flat-panel imager using tellurium doped amorphous selenium

2025· article· en· W4409253571 sur OpenAlexaff
Corey Orlik, Adrian Howansky, Sébastien Léveillé, Salman M. Arnab, Jann Stavro, Scott Dow, Amir H. Goldan, Safa Kasap, Kenkichi Tanioka, Wei Zhao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced optical system design
Établissements canadiensUniversity of SaskatchewanAnalogic (Canada)
Organismes subventionnairesnon disponible
Mots-clésTelluriumSeleniumDopingMaterials scienceAmorphous solidOpticsOptoelectronicsPhysicsChemistryMetallurgyCrystallography

Résumé

récupéré en direct d'OpenAlex

Active matrix flat panel imagers (AMFPIs) are widely used in digital radiography, but direct and indirect conversion technologies each have limitations. Direct conversion detectors suffer from low x-ray quantum efficiency, while indirect conversion detectors experience spatial resolution degradation due to optical photon scatter. A direct-indirect “Hybrid” AMFPI, which combines both technologies, has previously shown potential to address these limitations. This hybrid design includes an amorphous selenium (a-Se) layer in contact with a scintillator, functioning as both an x-ray and optical sensor. This study builds on the first Hybrid AMFPI prototype, aiming to improve its detective quantum efficiency (DQE). Two key enhancements were explored: (1) increasing the a-Se layer thickness and (2) improving optical quantum efficiency (OQE) through tellurium (Te) doping. A 6.5 x 6.5 cm² prototype was fabricated with 700 μm a-Se, a Te-doped a-Se optical sensing layer, and a removable 1000 μm CsI:Tl scintillator. The Hybrid configuration showed a 42% (RQA5) and 91% (RQA9) increase in x-ray sensitivity compared to the direct AMFPI, attributed to an approximate tenfold improvement in OQE due to Te doping. The Hybrid achieved a DQE(0) of 0.90 (RQA5) and 0.75 (RQA9), marking it the highest-performing imager for digital radiography applications at RQA9. Preliminary real-time imaging (i.e., 30 frames-per-second) temporal performance measurements indicated minimal ghosting (below 2%) but up to 12% lag, attributed to electron trapping in the Te-doped layer. Future research will explore co-doping with arsenic to enhance electron transport to allow for real-time imaging.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,242
Écart entre enseignants0,219 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced optical system designTravaux en français237 207