Progress report on PETSIRD: a standard for PET raw data
Notice bibliographique
Résumé
The recent advancement of data science methods in emission tomography (ET) has highlighted the need for standardization in the access, use, and sharing of the unprocessed raw list-mode acquisition data to exploit their high fidelity spatio-temporal information before the production of the respective DICOM images. The Emission Tomography Standardization Initiative (ETSI) was founded in 2022 from an international consortium of academic and industry experts to define open, extendable, and vendor-agnostic ET data formats. ETSI is now focusing on the development of the PETSIRD (“PET Emission Tomography Standardization Initiative’s Raw Data”) prototype: an open standard format for Positron Emission Tomography (PET) list-mode raw data. The components of PETSIRD are (i) its data elements (coincidence events, geometry, correction factors, physiological signal etc.), (ii) a container of the data elements architecture and its access protocols built with the investigational prototype YARDL (Microsoft Research) meta-language, and (iii) a use-cases software toolkit facilitating the basic utility of the standard.In this contribution, we provide a status report of the initiative. Results will be shown of the first ETSI hackathon held in November 2023 as well as progress made on the definition of PETSIRD prototype since then. Up-to-date information can be found on our website https://etsinitiative.org/.
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 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 | 0,040 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,019 |
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 ».