ARMAX-RLS Parameter-Estimation Crystal Identification in Phoswich PET Detectors
Notice bibliographique
Résumé
Some Positron Emission Tomography (PET) scanners achieve improved resolution or Depth-Of-Interaction (DOI) measurement using avalanche photodiode-based phoswich detectors, with different challenges (noise limitation) than traditional photomultiplier tubes (space limitation). DOI measurement is necessary in small-animal PET for parallax mitigation, while side-by-side phoswich detectors improve resolution without an equal increase in electronics complexity. Future improvements in scanner performance now require the improvement of the current Parameter Estimation (PE) digital Crystal Identification (CI) algorithms. Indeed PE CI becomes mandatory to the APD signal analysis of crystals with very similar scintillation properties (decay time difference less than ~15 ns), or when the Signal-to-Noise Ratio (SNR) is degraded, for Compton events with an energy below 150 keV, for instance. PE CI currently relies on one-parameter discrimination of crystal species after a Wiener parametric estimation of a pole-zero model. Neither that nor traditional Pulse-Shape Discrimination (PSD) can correctly accommodate the need for CI of low-energy scattered photons in very similar scintillation materials. This paper studies a Recursive Least-Squares (RLS) PE method based on Auto-Regressive Moving Average with exogenous variable (ARMAX) modeling of the acquisition chain conjugated with simultaneous 3-parameter CI adapted from Vector Quantization (VQ). The RLS algorithm presents a significant improvement for the discrimination of similar materials (~ 80% less primary CI error versus Wiener CI for 15 ns decay time difference) and excellent performance in heavy noise (negligible CI error for 0 dB SNR 30-keV BGO photons versus LSO). Issues remaining include the handling of noise through the exogenous variable and the computational burden, still too high for existing hardware.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».