Experimental Results of Identification and Vector Quantization Algorithms for DOI Measurement in Digital PET Scanners with Phoswich Detectors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
DOI measurement in phoswich PET scanners still relies mostly on traditional Pulse Shape Discrimination (PSD), transposed from analog electronics. PSD performance is limited in two conditions: measurement noise increases the error rate, as with low-energy Compton photons; and phoswich stacking of the newer, fast crystal materials like LSO, LYSO and LuAP show intrinsic low discrimination success. These impairments somewhat limit the widespread use of such stacking, as well as recuperation and treatment of Compton photons. We propose two new algorithms adapted from other fields of electrical engineering, but unused in radiation detection so far, that mostly circumvent these problems: identification, from command-and-control applications, followed by vector quantization, from speech recognition. These algorithms exhibit operational properties that mitigate the above problems. In our previous work, we explained the steps required to adapt the algorithms to DOI application. This paper presents discrimination results for all photons of energy greater than 100 keV detected in any stacking of BGO, LSO, LYSO, LuAP and/or GSO materials. Errors are un-correlated with crystal statistical noise and/or energy resolution, with electronics white noise and with timestamp uncertainty. For all measurements made (N=40,000), the error rate is null, except for Compton discrimination with the faster crystals, where it does not exceed 0.5%. This far surpasses conventional PSD results.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle