Benefits of Modeling Annihilation Photon Acollinearity in the TOF System Matrix Model
Notice bibliographique
Résumé
It was previously shown that, with sufficient TOF resolution and count statistics, a reduction in the blur induced by annihilation photons acollinearity (APA) in image space could be achieved. While this feature requires excellent TOF resolution, i.e., sub 70 ps, to start being noticeable, it does not require APA to be modeled in the system matrix. However, the introduction of such TOF resolution without modeling APA results in an inconsistency between the forward model and a dataset affected by APA. This inconsistency produces a highly oscillating profile when studying a scanner point spread function with a point source, which limits its usefulness to characterize the potential of TOF to mitigate the blur induced by APA. For completeness, we study here what happens when APA is modeled in the system matrix. We observe that the reconstruction of point source converge toward a stable point spread function, albeit with some Gibbs artifacts. We also show that having a TOF precision nearing the APA blur results in a gain in spatial resolution. Furthermore, it is shown that the spatial resolution achieved in a whole-body scanner and its long-axial Field-of-View (FOV) counterpart would be similar with 13 ps TOF resolution. This means that ultra-fast TOF resolution has the potential to enables more consistent spatial resolution within the FOV of whole-body and long axial FOV systems.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».