spectral_xray op• 데이터 종류: 없음 → table(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)
• 호출: import fullseye as fs; fs.ledger.dual_energy_separability(material_a='POLYETHYLENE', thickness_a_cm: 'float' = 1.0, material_b='AL', thickness_b_cm=None, channels=None, photons_per_pixel: 'float' = 100000.0, background=None, n_pixels: 'int' = 1) -> 'dict'(구현을 직접 호출하려면 import dualxray; dualxray.dual_energy_separability(material_a='POLYETHYLENE', thickness_a_cm: 'float' = 1.0, material_b='AL', thickness_b_cm=None, channels=None, photons_per_pixel: 'float' = 100000.0, background=None, n_pixels: 'int' = 1) -> 'dict', 원장에서 가져오려면 opstomography.get("dual_energy_separability"))
두 재료(두께)를 채널의 로그 감쇠로 얼마나 구별할 수 있는가(d′와 오류율의 닫힌 꼴).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
thickness_b_cm=None は交絡の組: b の厚みを、最後(最も高いエネルギー)のチャネルで a と同じ L になるように決める(単一エネルギーの像では区別できない組)。background = (材料, 厚さ cm) は両方に重なる共通の母材(肉の中の異物)。n_pixels 個の画素を平均した領域で判定する(d′ は √n 倍)。
各材料の L ベクトル(チャネルごと)は平均 μ_a, μ_b、共分散は Poisson の差分近似 Σ = diag(var_c/mean_c²)/n。判別は等事前確率の線形判別(LDA)で、d′² = Δᵀ Σ̄⁻¹ Δ、誤り率 = Φ(−d′/2)。比べのため、1 チャネルだけで判定したときの d′ も返す(交絡の組では最後のチャネルの d′ は 0)。
返り値: dict(thickness_b_cm, L_a, L_b, R_a, R_b, d_prime, error_rate, d_prime_single (C,), error_rate_single (C,), sigma_L (C,), n_pixels)。
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• poc_dual_energy_xray — py -3.11 examples/poc_dual_energy_xray.py
table 를 입력으로 받는 것)—
spectral_xray)material_xray_table · material_xray_attenuation · material_xray_constants · material_effective_z · xray_tube_spectrum · xray_beam_quality · photon_counting_channels · dual_kvp_channels
*Provenance: dualxray.py — TOMOGRAPHY 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.