MétaCan
Menu
← Retour à la cohorte
Enregistrement W2534430522 · doi:10.1109/nssmic.2009.5401966

LabPET pulse simulator for crystal identification validation of multi-layer phoswich detectors

2009· article· en· W2534430522 sur OpenAlexafffundabout
Hoorvash Camilia Yousefzadeh, Roger Lecomte, Réjean Fontaine

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesUniversité de Sherbrooke
Mots-clésDetectorPhysicsLyso-Monte Carlo methodOpticsScintillationNuclear electronicsScintillatorNoise (video)PhotonFilter (signal processing)Computer scienceArtificial intelligenceStatisticsMathematicsComputer vision

Résumé

récupéré en direct d'OpenAlex

A detector pulse simulator was recently developed to simulate digital output signals from LabPET, an APD-based small animal Positron Emission Tomography (PET) scanner developed at Universite¿ de Sherbrooke. The main goal of the simulator was to validate the digital crystal identification (CI) and timing algorithms implemented in the LabPET. The pulse simulator uses information generated by Monte Carlo simulation, such as energy, time of arrival and position of interactions in a LYSO-LGSO (80%Gd) phoswich detector to generate digital output signals in which Poisson photon statistics and electronic noise are included. We report here the validation of the Wiener filter CI results for new types of fast and high luminosity scintillation crystals that can potentially be used as new depth of interaction phoswich detectors. The fast Wiener filter-based CI method was investigated for discriminating two and three layer detectors using GSO, and new LSO: Ce,Ca and LGSO(10%Gd) crystals with decay time differences as close as 13 ns. CI error rate was 0.5%-3% for various two layer phoswich detectors and 6% for a three-layer detector for energies higher than 100 keV.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,370
Écart entre enseignants0,322 · 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'étudeSimulation ou modélisation
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
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and Applications→Travaux en français237 207→