A Fast Crystal Identification Algorithm Applied to the LabPET™ Phoswich Detectors
Notice bibliographique
Résumé
Detectors based on LYSO and LGSO scintillators in a phoswich arrangement coupled to an avalanche photodiode are used in the LabPETtrade, an all-digital positron emission tomography (PET) scanner for small animal imaging developed in Sherbrooke. A Wiener filter based crystal identification (CI) algorithm achieving excellent discrimination accuracy was recently proposed for crystal identification of LYSO-LGSO phoswich detectors . This algorithm was based on estimating parameters describing the scintillation decay time constant and the light yield of events sampled at 45 MSPS. The CI process was performed by applying a threshold on the scintillation decay parameter of events. The light yield was not considered in the CI process even if it should be. We propose a 2-fold faster CI approach which takes both the scintillation decay and light yield coefficients of each crystal into consideration. The new algorithm uses the previous Wiener filter based algorithm as a calibration process in order to evaluate the model of each individual crystal. The DAQ chain model as a priori knowledge is then incorporated into the model of each crystal and the output signal is estimated. The CI is performed by evaluating a single parameter representing the percentage contribution of each crystal characteristics in the event signal. The CI algorithm demonstrated a discrimination rate accuracy for LYSO-LGSO LabPET detectors and for LSO-GSO crystals in phoswich arrangement for 511 keV events. Although a calibration is required, the real-time implementation of the new CI algorithm needs 2 times less direct operations. An FPGA clocked at 400 MHz can process up to 25 M events/sec with such an algorithm.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».