MétaCan
Menu
Retour à la cohorte
Enregistrement W4238501617 · doi:10.1109/nssmic.1992.301103

A PET camera simulator with multispectral acquisition capabilities

2003· article· en· W4238501617 sur OpenAlexaffabout
Roger Lecomte, J. Cadorette, S. Rodrigue, M. Heon, D. Rouleau, P. Richard, M. Bentourkia, P. Msaki

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-clésDetectorAvalanche photodiodeData acquisitionMultispectral imageComputer scienceCalibrationEnergy (signal processing)EclipsePhotodiodeHistogramScannerComputer visionComputer hardwareArtificial intelligencePhysicsComputer graphics (images)Optics

Résumé

récupéré en direct d'OpenAlex

The Sherbrooke PET (positron emission tomography) simulator was designed and built to investigate the performance characteristics of a high-resolution PET camera based on avalanche photodiode detectors. The simulator consists of a computer-controlled scanning table with 32 detection channels shared between front-end casettes and FASTBUS boards, and of a PC-based multichannel analyzer (MCA) used as histogramming memory for multiparametric data acquisition. Tomograph data are collected by scanning one of two opposite arrays of detectors and by rotating the object in a predetermined sequence to simulate a complete ring of detectors with various sampling schemes. All acquisition parameters are programmable through digital-to-analog converters or on-board registers. Data can be acquired in several modes: calibration, where direct or coincident energy spectra from all detectors can be registered simultaneously; standard, where only energy-validated coincident events are histogrammed as lines-of-response (LOR) addresses; and multispectral, where the LOR address is encoded with the energy information to provide a multiparameter histogram.< <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)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,875

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,012
Tête enseignante GPT0,289
Écart entre enseignants0,277 · 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'étudeSimulation ou modélisation
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