MétaCan
Menu
Retour à la cohorte
Enregistrement W2913724195

Conception et optimisation de canaux de détection à base de photodiodes à avalanche (SPADs) pour le comptage de photons pour la tomographie optique diffuse

2017· article· fr· W2913724195 sur OpenAlexaboutno aff
Charles Pichette

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2017
Typearticle
Languefr
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysicsAvalanche photodiodeOpticsDetector
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ce mémoire présente les améliorations suggérées au scanneur de tomographie optique diffuse du groupe TomOptUS de l'Université de Sherbrooke. La tomographie optique diffuse est une modalité d'imagerie qui permet d'utiliser la lumière dans le proche infrarouge (650 - 950 nm) pour faire l'imagerie en profondeur (> 1 cm) de petits animaux comme des souris. Cette technique est très intéressante en pharmacologie et en oncologie où elle permet de faire le suivi de médicaments ou de la progression d'une pathologie. Elle permet également de réduire le nombre de sacrifices d'animaux, puisqu'elle est non-invasive. Il est donc possible de faire un suivi dans le temps de l'objet sous étude. Cette technique fonctionne aussi en fluorescence et permet donc d'utiliser différents agents pour faire le marquage d'objets d'intérêt dans l'animal. Ce scanneur fonctionne dans le domaine temporel et acquiert le temps de vol des photons qui ont traversé le sujet pour reconstruire l'impulsion laser via le comptage de photons corrélé en temps avec une source laser ultrarapide. Le présent scanneur utilise 7 canaux de détection sans contact positionnés en anneau autour du sujet. Ce nombre est présentement trop faible pour avoir un temps d'acquisition satisfaisant. Il a été déterminé que le facteur limitant est la rotation mécanique des canaux autour du sujet pour obtenir une couverture angulaire satisfaisante. Pour réduire le temps d'acquisition, il a été suggéré d'augmenter le nombre de canaux jusqu'à 32 voire 64. Toutefois, les présents canaux utilisent des tubes photomultiplicateurs qui sont trop volumineux pour une telle densité de détecteurs autour de l'animal. Des photodiodes à avalanches ont donc été envisagées pour les remplacer, puisqu'elles sont moins volumineuses, en plus d'offrir une meilleure efficacité quantique et une meilleure précision temporelle. Ceci les rend particulièrement efficaces pour le comptage de photons. Ces photodiodes ont cependant une zone photosensible avec un diamètre considérablement plus petit que les tubes photomultiplicateurs (25 - 100 μm comparativement à ≈ 1 cm pour les tubes photomultiplicateurs). Ceci réduit le taux de comptage, ainsi que le ratio signal sur bruit et rend l'alignement difficile. Le présent projet est donc d'optimiser les canaux de détection incorporant ces photodiodes à avalanches. Une analyse des paramètres et des contraintes a d'abord été faite pour cibler les spécifications optimales des canaux. Ensuite, plusieurs concepts optiques sont présentés et analysés qui offrent des performances optimales avec un taux de comptage maximal. Ces nouveaux canaux utilisent des lentilles d'immersion comme concentrateurs optiques. Ces lentilles hémisphériques peuvent atteindre un rapport de concentration de ≈ n², ce qui correspond dans le cas présent à ≈ 4. Ceci se traduit en une augmentation du taux de comptage et du rapport signal sur bruit du même rapport. L'installation et l'alignement de ces lentilles d'immersion sur les photodiodes à avalanches dans un module sur mesure ont ensuite été réalisés et la confirmation expérimentale de cette augmentation du taux de comptage a été démontrée avec des mesures intrinsèques et en fluorescence. Cette augmentation expérimentale est appuyée par des simulations Zemax qui sont en excellent accord avec l'expérimental. Finalement, la confirmation que ces lentilles n'affectent pas la précision temporelle des photodiodes a été obtenue expérimentalement.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,260
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)Même sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207