FPGA based Time-To-Digital Converter for Time of Flight Computed Tomography
Notice bibliographique
Résumé
Time-of-Flight Computed Tomography (ToF-CT) is a novel research path to improve current CT scanners. By measuring the travel time for photons to reach the detectors and discriminating scattered photons from primary photons, we expect to be able to reduce the dose delivered during the procedure or to increase the image quality. Many challenging requirements must be met in order to build a first ToF-CT prototype scanner. One of them is the ability to digitize the energy and time information of the incoming X-ray photons with a high precision and managing the high data rate.This work focuses on a Time-to-Digital Converter (TDC) built in an FPGA to measure the time of flight of X-ray photons. These time measurements, combined with the energy measurement of the incoming photons, are used to generate ToF histograms for different energy ranges. The current implementation can measure energy with a Time-Over-Threshold scheme using 1 ns time resolution, and can measure time-of-flight with 10 ps FWHM precision in a 2 ns narrow dynamic range and a 16 ps FWHM precision on its full scale range of around 30 ns. Moreover, the TDC is capable of sampling all hits at a 25 Mhit/s rate, which is sufficient for current ToF-CT goals. This TDC is scalable for a multi-channel implementation for the first ToF-CT scanner.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →Les trois modèles l'ont jugé hors champ.
FPGA time-to-digital converter for time-of-flight CT; instrumentation engineering.
This is an engineering study of a time-to-digital converter for medical imaging, not of research practice.
Domain medical-imaging hardware engineering; object is a TDC device, not research practice.
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».