MétaCan
Menu
Retour à la cohorte
Enregistrement W3025814822 · doi:10.1088/1361-6560/ab9357

Gaussian position-weighted center of gravity algorithm for multiplexed readout

2020· article· en· W3025814822 sur OpenAlexafffund
Harutyun Poladyan, Oleksandr Bubon, A. Teymurazyan, Sergii Senchurov, Alla Reznik

Notice bibliographique

RevuePhysics in Medicine and Biology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSparse and Compressive Sensing Techniques
Établissements canadiensThunder Bay Regional Research InstituteUniversity of ReginaLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGaussianPosition (finance)Center of gravityMultiplexingCenter (category theory)Computer scienceAlgorithmPhysicsOpticsTelecommunicationsChemistry

Résumé

récupéré en direct d'OpenAlex

Readout signal multiplexing is a commonly used method to reduce the electronics cost in positron emission tomography (PET) systems, and the calculation of the scintillation coordinates typically is done by using a center of gravity (CoG) technique due to its simplicity and ease of implementation. This comes with a drawback, since CoG has a non-linear response at the periphery of the detector due to the lack of weights beyond the detector. Detectors with multiplexed readout that are based on finely segmented scintillators and coarsely segmented photosensors are known to suffer from the so-called edge effect where a pile-up of the reconstructed coordinates from the edge crystals is observed. This may lead to incorrect assignment of the events to crystal pixels and result in the formation of erroneous lines of response causing a degradation of spatial resolution and reduction of image contrast. To overcome the abovementioned limitations in gamma-ray detectors with multiplexed photosensor readout, we propose to use a modified Gaussian position-weighted center of gravity (PW-CoG) technique for the calculation of gamma-ray interaction position. Here, the proposed method is applied to PET detectors with 24 [Formula: see text] 24 LYSO crystals read out by 8 [Formula: see text] 8 SiPM array with 64:16 row/column multiplexing. Furthermore, we compared the modified Gaussian PW-CoG and truncated center of gravity coordinate reconstruction methods. It was observed that both algorithms resolve peaks corresponding to events registered in the crystal pixels on the periphery of the crystal array. However peak-to-valley ratios and crystal resolvability metrics for the PW-CoG algorithm are generally greater.

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)0,002
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,133
Tête enseignante GPT0,343
Écart entre enseignants0,210 · 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
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

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetSparse and Compressive Sensing TechniquesTravaux en français237 207