Calibration process for improving Crystal Identification rate in the LabPET™ phoswich detectors
Notice bibliographique
Résumé
The LabPET™ is a small animal APD-based PET scanner using LYSO-LGSO phoswich detectors. A digital Crystal Identification (CI) method based on a Wiener filter, chosen for its low computation burden and low error rate, was implemented to localize the position of interaction in the phoswich. To facilitate its implementation, a unique Data AcQuisition (DAQ) model, in the Z-domain, was applied to every channel in the scanner, resulting in uneven CI error rates due to slight variations in detector channel characteristics. To improve the overall scanner identification performance, we propose to compute personalized DAQ model reference for every individual channel. Four individual DAQ models based on different minimization of cost functions were investigated. The first DAQ model uses a standard Wiener filter. The second DAQ model maximizes similarity to DAQ behavior. The third DAQ model attempts to minimize crystal decay time bias relative to the reference values and finally, the fourth DAQ model maximizes the CI itself. Results obtained on all detector channels of a 4 cm LabPET™ located at Sherbrooke show mean error rates of >;10%, 3.66%, 2.96% and 1.45% for the four models, respectively, and are to be compared to the current unique model implementation achieving an error rate of 3.53% for an energy window of 350-650 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 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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».