MétaCan
Menu
Retour à la cohorte
Enregistrement W4232427502 · doi:10.1109/nssmic.2003.1352223

RatCAP: miniaturized head-mounted PET for conscious rodent brain imaging

2003· article· en· W4232427502 sur OpenAlexaff
P. Vaska, C. Woody, David J. Schlyer, Sepideh Shokouhi, S. P. Stoll, J.‐F. Pratte, P. O'Connor, S. Junnarkar, S. Rescia, B. Yu, M. L. Purschke, A. Kandasamy, Arantxa Villanueva, A. Kriplani, V. Radeka, N. Volkow, R. Lecomte, R. Fontaine

Notice bibliographique

Revue2003 IEEE Nuclear Science Symposium. Conference Record (IEEE Cat. No.03CH37515) · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésPet imagingPositron emission tomographyComputer scienceAvalanche photodiodeParallaxMonte Carlo methodScannerBiomedical engineeringComputer visionNuclear medicineArtificial intelligenceMedicineDetectorMathematics

Résumé

récupéré en direct d'OpenAlex

Anesthesia is currently required for PET studies of the animal brain in order to eliminate motion artifacts. However, anesthesia profoundly affects the neurological state of the animal, complicating the interpretation of PET results. Furthermore, it precludes the use of PET to study the brain during natural behavior. The RatCAP tomograph (rat conscious animal PET) is designed to eliminate the need for anesthesia in rat brain studies. It is a miniaturized full-ring PET scanner which is attached directly to the head, covering nearly the entire brain. RatCAP utilizes arrays of 2 mm /spl times/ 2 mm LSO crystals coupled to matching avalanche photodiode arrays, which are in turn read out by full custom integrated circuits. Principal challenges have been addressed considering the physical constraints on size, weight, and heat generation in addition to the usual requirements of small-animal PET such as high spatial resolution in the presence of parallax error. A partial prototype has been constructed and preliminary measurements and optimization completed. Realistic Monte Carlo simulations have also been carried out to optimize system performance, which is predicted to be competitive with existing microPET systems.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,332
Écart entre enseignants0,309 · 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

Citations8
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2003 IEEE Nuclear Science Symposium. Conference Record (IEEE Cat. No.03CH37515)Même sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207