MétaCan
Menu
Retour à la cohorte
Enregistrement W2109814699 · doi:10.1109/tns.2005.862964

PET Detector Quality Assurance Using$^137$Cs Singles Transmission Imaging

2006· article· en· W2109814699 sur OpenAlexaff
Richard Wassenaar, Robert A. deKemp

Notice bibliographique

RevueIEEE Transactions on Nuclear Science · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of OttawaCarleton UniversityOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésDetectorProtocol (science)Quality assuranceComputer scienceCoincidenceScannerTransmission (telecommunications)Data acquisitionCalibrationComputer hardwareAlgorithmArtificial intelligenceStatisticsMathematicsEngineeringMedicineTelecommunicationsOperating system

Résumé

récupéré en direct d'OpenAlex

Daily quality assurance of positron emission tomography detectors, to ensure accurate efficiency calibration of the system, typically requires the acquisition of coincidence data from a flood source. To obtain sufficient counts, long scan times on the order of an hour are required. The long acquisition time and necessity of an external activity source may make such a protocol impractical for daily use. A new protocol has been demonstrated for the ECAT ART scanner, using the two$^137$Cs transmission sources. The new protocol produces a map of the counts per detector, as well as plots of the mean and standard deviation of the detector counts in a given block. Graphical outputs allow for quick recognition of problematic areas. The factory protocol requires 90 min to obtain a 1% statistical error on the individual detector counts. Due to the high activity of the$^137$Cs sources, a 1% statistical error is obtained with an 8 min scan using the new protocol. The new protocol provides information regarding the status of all blocks, reduces acquisition time, and alleviates the need for an external activity source. The protocol presented in this study can be implemented on other$^137$Cs transmission based scanners, and with coincidence flood sources if detector-specific singles histogramming is available.

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)0,009
score de la tête « metaresearch » (Gemma)0,015
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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,005

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 Opus0,029
Tête enseignante GPT0,331
Écart entre enseignants0,302 · 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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Nuclear ScienceMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207