MétaCan
Menu
Retour à la cohorte
Enregistrement W4235551289 · doi:10.1109/nssmic.1992.301024

Tuning of avalanche photodiode PET camera

2003· article· en· W4235551289 sur OpenAlexaffabout
J. Cadorette, S. Rodrigue, Roger Lecomte

Notice bibliographique

RevueIEEE Conference on Nuclear Science Symposium and Medical Imaging · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésAvalanche photodiodeDetectorBismuth germanateComputer scienceCalibrationSilicon photomultiplierPhotodiodeNoise (video)AlgorithmPositron emission tomographyEnergy (signal processing)Artificial intelligenceOpticsPhysicsScintillatorTelecommunicationsNuclear medicine

Résumé

récupéré en direct d'OpenAlex

The ability of a PET (positron emission tomography) system to reproduce the source distribution accurately depends, in the first place, on proper calibration and efficient quality control of the detectors and processing electronics. These procedures are simplified with individual detectors such as BGO (bismuth germanate)/avalanche photodiode detectors, but the large number of channels and the several interdependent parameters that must be adjusted make the process delicate and lengthy. The authors describe the procedures and algorithms being developed to adjust and verify the detector bias, the noise and energy thresholds, the signal references, and the timing delays for the Sherbrooke PET tomograph. All settings are adjusted using a sequence of iterative tuning algorithms whose convergence is optimized for each parameter. Preliminary results show that the complete calibration can be carried out automatically and reliably overnight and that specific checks can be performed in a few tens of seconds as needed.< <ETX xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">&gt;</ETX>

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,677
Score d'incertitude au seuil0,728

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,306
Écart entre enseignants0,286 · 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 tête enseignante, 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

Citations5
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Conference on Nuclear Science Symposium and Medical ImagingMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207