用于软组织成像的镉锌镉碲（CZT）光子计数探测器的特性研究
内容提要
本文汇总了多项单光子探测与成像研究：CoPhNet深度学习分类器可区分CdZnTeSe探测器中的康普顿散射与光电相互作用，提升高能γ射线探测；气体像素探测器用于天文X射线偏振测量；光纤耦合超导纳米线单光子检测系统效率超过90%；概率图像模型实现高光子变化下的亚皮秒三维成像；光子时延强度线索实现超千万倍动态范围成像；此外还涉及X射线CT机器学习数据集、时间门控单光子成像、低光彩色重建及芯片集成探测器等。
延伸解读
CoPhNet：提升CZT探测器γ射线识别的深度学习工具
文章重点介绍了CoPhNet深度学习分类器，用于区分CdZnTeSe探测器中的康普顿散射与光电相互作用。该模型使用模拟CZTS探测器脉冲训练，并在模拟和实验数据上验证，在模拟测试集上分类准确性较高。这有助于提升高能γ射线探测性能，为下一代生物医学成像探测器开发提供基础。
单光子探测与成像技术的多样化进展
文章汇总了多项单光子探测与成像研究：气体像素探测器用于天文X射线偏振测量；光纤耦合超导纳米线系统在1520-1610 nm波段效率超90%；概率图像模型实现亚皮秒三维成像；光子时延强度线索实现超千万倍动态范围成像。这些技术覆盖天文、生物医学、机器人等应用方向。
低光成像与芯片集成探测器的实用化探索
文章还涉及时间门控单光子成像、低光彩色重建及芯片集成探测器。时间门控CCD结合幽灵成像可从少于每像素一个探测光子获取高质量图像；联合去马赛克-去噪声算法支持极低光照彩色成像；微米级翻转法实现超导纳米线探测器在集成光子电路上的可扩展集成。
Q&A
CoPhNet是什么？它在CZT探测器研究中有什么作用？
CoPhNet是一种深度学习分类器，能够区分CdZnTeSe（CZTS）半导体探测器中的康普顿散射和光电相互作用的γ/X射线光子。它使用模拟数据训练，并在模拟和实验数据上验证，在模拟测试集上实现了较高的分类准确性，为开发下一代高能γ射线探测器用于更好的生物医学成像奠定了基础。
用于天文X射线偏振测量的气体像素探测器有什么特点？
该气体像素探测器（GPD）使用CMOS芯片作为像素化电荷收集电极和前端电子学，可用于天文X射线偏振测量，并已完成包括2k和22k像素在内的完整模型的实验证明。
光纤耦合超导纳米线单光子检测系统的性能如何？
该检测系统在1520-1610 nm波长范围内的系统探测效率（包括光耦合损耗）大于90%，设备暗计数率约为0.01 cps，时间抖动约为150 ps FWHM，重置时间为40 ns，性能接近理想。
如何实现高光子计数变化下的亚皮秒三维成像？
通过一种概率图像形成模型，使用统计先验和逆方法，从记录的光子计数中高效且稳健地估计场景深度和反射率，从而成功实现高光子计数变化下的亚皮秒准确率和光子高效的三维成像。
基于光子间时延的强度线索有什么成像应用？
基于测量光子间时延的新型强度线索，借助单光子传感器，实验演示了动态范围超过一千万倍的图像场景，可应用于机器人学、消费摄影、天文学、显微镜和生物医学成像等广泛领域。
X射线CT机器学习数据集包含哪些内容？
该数据集适用于开发机器学习技术，用于X射线计算机体层扫描，包含5000个切片，扫描了具有形状和密度自然变异的样本，并提供原始投影数据、参考重建和基于开源数据处理管道的分段。
