Improved Edge Pixel Resolution in Modular PET Detectors with Partly Segmented Light Guides
Notice bibliographique
Résumé
BACKGROUND: The asymmetric distribution of optical photons near the edges of Positron Emission Tomography (PET) sensor modules introduces errors in the coordinate reconstruction of scintillation events when center-of-gravity (CoG) algorithms are utilized. This issue, sometimes referred to as the "edge effect", results in overlap of crystal pixel signatures in flood maps and potential image artifacts in reconstructed PET images. METHODS: Partly segmented 5 mm thick borosilicate light guides with slits cut parallel to the edges are filled with barium sulfate to restrict the spread of optical photons near the edges of the light guide. Data acquisitions are performed using single PET sensor modules in coincidence, both with single and multiplexed channel readout. CoG and truncated center-of-gravity (TCoG) methods are used for coordinate reconstruction. RESULTS: A 22 × 22 array of crystal signatures are distinguishable on crystal flood maps produced using sensor modules with solid light guides and 24 × 24 arrays can be identified when using a partly segmented light guide. The pixel resolution around the edges and corners of the flood map is further improved when TCoG is used for coordinate reconstruction. SUMMARY: We show that the introduction of a partly segmented light guide greatly improves coordinate reconstruction accuracy at the edges of a sensor module. In addition, it is demonstrated that the partly segmented light guides can be used in parallel with other proposed methods designed to fix the "edge effect", including TCoG, to further coordinate reconstruction improve accuracy and crystal flood map quality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».