一种基于CsPbBr₃单晶探测器的X射线探测器内计算方案

描述

X射线探测器广泛应用于医疗诊断、工业无损探伤、安防检测等领域。然而,为了满足高图像质量和高精度诊断的需求,原始数据量不断地增加,这为传统X射线探测硬件在数据传输和功耗方面带来了诸多挑战。

据麦姆斯咨询报道,近日,华中科技大学的科研团队在Nature Communications期刊上发表了以“Reconfigurable perovskite X-ray detector for intelligent imaging”为主题的文章。该论文的第一作者为Jincong Pang,通讯作者为牛广达教授。

这项研究提出了一种基于CsPbBr₃单晶探测器的X射线探测器内计算方案,该探测器具有易用的极性可重构性、良好的线性动态范围和强大的稳定性。该探测器具有稳定的无陷阱器件结构,实现了106 dB的高线性动态范围。实验结果表明,该探测器可以实现边缘提取成像,数据压缩比约为50%;也可以通过编程和训练来执行模式识别任务,准确率高达100%。这项研究表明,X射线探测器内计算可以在灵活和复杂的场景中使用,使其成为智能X射线成像颇具前景的平台。

X射线成像产生的大量数据正在成为其数据传输的瓶颈。为了实现X射线探测器内计算方案,研究人员的设计理念涉及构建由多个子像素组成的宏像素,并结合卷积运算来获得预处理图像。X射线光子的同时探测和初步数据处理可以通过单次读出过程实现,其工作机制如图1a所示。

卷积神经网络

图1 X射线探测器内计算方案的工作原理

研究人员制备了一种N-I-P型器件Bi-ZnO-CsPbBr₃-NiOx-C,其中选择无机传输层以确保高偏置稳定性。研究人员还引入了C₆₀层,该层已被证明是一种有效的钝化层,可以抑制晶体表面缺陷状态,相关结果如图2所示。然后,研究人员系统地评估了该钝化探测器在X射线探测器内计算中的关键性能指标,相关结果如图3所示。

卷积神经网络

图2 钙钛矿单晶(PSC)在有和没有C₆₀钝化层下的缺陷研究

卷积神经网络

图3 钙钛矿单晶探测器的性能

研究人员利用偏置可调谐线性X射线探测器可以实现卷积核,从而达到边缘清晰度和数据压缩效果。为了成像真实物体,研究人员采用了具有上述器件结构的宏像素探测器。测试系统如图4a所示。放置在成像目标物体与探测器之间的是准直器,这是系统的关键组成部分。宏像素钙钛矿单晶探测器表现出可同时感知和处理的功能,并且只能对目标物体探测和传输边缘信息。

卷积神经网络

图4 边缘提取成像

具有可调谐权重的宏像素钙钛矿单晶X射线探测器,在形成卷积神经网络和执行图像分类任务方面显示出潜力,如图5a所示。通过调整每个像素上的偏置电压,可以更新神经网络的权重。被物体遮挡并以电信号表示的X射线信息,乘以由偏置电压表示的权重值,即可计算总输出电流。其输出值再反馈调谐每个像素的偏置电压,并重复该过程。

卷积神经网络

图5 卷积神经网络的实现

综上所述,这项研究提出了X射线探测器内计算器件。得益于低缺陷密度和有效的钝化,N-I-P型CsPbBr₃钙钛矿单晶探测器具有理想的传感器内计算性能,包括极性可重构性、良好的线性动态范围和强大的稳定性。硬件本身可以执行数据压缩的边缘提取,使用不同的卷积核处理图像,并执行高精度的模式识别任务,这相当于复杂且耗能的基于软件的计算过程的性能。这项研究为克服X射线探测系统中与数据传输、处理和存储相关的挑战提供了潜在解决方案,也为未来开发和应用先进的基于神经网络的X射线探测器铺平了道路。

论文链接:
https://doi.org/10.1038/s41467-024-46184-0




审核编辑:刘清

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分