ULTRA-Fast wiener filter based crystal identification algorithm applied to the LabPET<sup>TM</sup> phoswich detectors
Notice bibliographique
Résumé
A Wiener filter based crystal identification (CI) algorithm achieving excellent discrimination accuracy (~98%) was recently proposed for identifying LYSO and LGSO crystals in phoswich detectors coupled to an avalanche photodiode. Such detectors are used in the LabPETtrade, an all-digital positron emission tomography (PET) scanner for small animal imaging recently developed in Sherbrooke. This algorithm was based on evaluating the scintillation decay constant and gain (a1and b0parameters, respectively) of events sampled at 45 MSPS and discriminating crystals by thresholding the a1spectra. The input gain was not considered in the CI process even if it must be computed. We propose a 2-fold faster CI approach which also takes into consideration the input gain coefficient of each crystal. The new algorithm incorporates the DAQ chain model -in the Z domain- to each individual crystal model evaluated in a Wiener filter calibration process. The identification is performed by evaluating a single parameter -compared to two parameters in previous Wiener CI algorithm- characterizing the percentage of each crystal gain contribution in the event signal. The CI algorithm demonstrated a discrimination rate accuracy >98.5% for LYSO-LGSO and >99% for LSO-GSO crystals in phoswich arrangement for 511 keV photopeak Although a calibration is required, initial implementation of the algorithm in a 400 MHz clocked FPGA can process up to 15 Mevents/sec.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».