MétaCan
Menu
Retour à la cohorte
Enregistrement W3043240916 · doi:10.1109/nssmic.2008.4774887

Signal deconvolution concept combined with Cubic Spline interpolation to improve timing with phoswich pet detectors

2008· article· en· W3043240916 sur OpenAlexaffabout
Hicham Semmaoui, Marc‐André Tétrault, Roger Lecomte, Réjean Fontaine

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésLyso-DeconvolutionDetectorComputer scienceSpline interpolationInterpolation (computer graphics)PhysicsSignal processingFinite impulse responseAlgorithmElectronic engineeringComputational scienceScintillatorDigital signal processingComputer visionComputer hardwareOpticsEngineering

Résumé

récupéré en direct d'OpenAlex

PET imaging scanners based on all-digital architecture offer greater data processing flexibility and the possibility to recalibrate the system with simple software procedures. The LabPET™ scanner, designed at the Université de Sherbrooke, is one such device. It is built around dual LYSO/LGSO scintillators in a phoswich arrangement coupled to Avalanche Photodiodes (APD)and combined with highly parallel readout and processing electronics. This approach enables the implementation of advanced real time digital signal processing methods to compute energy resolution, crystal identification and the arrival time of events. Timing extraction represents the highest challenge because of the low sampling frequency (45 MHz), the quantization error and the presence of a Zero Order Hold (ZOH) in the system. The aim of this paper is to present a method to increase coincidence time accuracy by adequately addressing each of these limitations. The proposed method uses a Deconvolution concept based on adaptive filter theory preceded by Cubic Spline interpolation to improve digital timing performance. The method achieves 4.5 ns, 8.2 ns and 6.5 ns timing resolution with, LYSO-LYSO, LGSO-LGSO and mixed crystals phoswich coincidences, respectively.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,280
Écart entre enseignants0,263 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207