Modular PET Sensors with Partly Segmented Light Guides and Single-Channel TCoG Readout
Notice bibliographique
Résumé
Many modular PET sensors detect gamma photons using scintillation crystals that are segmented into small pixels by applying a Center of Gravity (CoG) algorithm to the signals output by the sensor module. Such methods reliably reconstruct the positions of scintillation events when optical photons are symmetrically distributed about the point of gamma photon interaction. However, when scintillation events occur at the periphery of the scintillation crystal array, the sensor module boundary prohibits optical photons from spreading out uniformly. This biases the calculated scintillation coordinates towards the center of the module, causing the scintillation pixel signatures on crystal flood maps to overlap with neighbouring pixels. Solutions have been proposed involving modifications to hardware components or coordinate reconstruction software. These include segmented light guides, a greater number of readout channels and modified CoG algorithms. Trials of such changes have been met with varying degrees of success, however little attention has been given to combinations of these methods on coordinate reconstruction accuracy. This research evaluates the coordinate reconstruction accuracy of sensor modules from a low-dose PET camera using single channel readout, a truncated CoG (TCoG) algorithm and a segmented light guide design. Crystal maps and peak profiles show that a combination of TCoG, single channel readout, and a partially segmented light guide produces the most accurate coordinate reconstruction.
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 | 0,001 |
| 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 ».