Méthodes numériques de discrimination de temps appliquées à la tomographie d'émission par positrons
Notice bibliographique
Résumé
La nouvelle caméra à Tomographie d'Émission par Positrons et TomoDensitoMétrie (TEP/TDM) en développement à l'Université de Sherbrooke viendra répondre à un besoin grandissant d'appareil d'imagerie bimodal à haute résolution spatiale et temporelle et ouvrira la voie à plusieurs études in vivo inédites effectuées sur de petits animaux. Une architecture de traitement numérique du signal issu des détecteurs, formés d'un cristal scintillateur et d'une PhotoDiode à Avalanche (PDA), a été choisie pour la caméra afin de permettre à la fois la mesure TEP et TDM, mais aussi afin de conférer à la caméra une capacité de calculs, une flexibilité et une facilité de reconfiguration inégalées. Des algorithmes de discrimination de temps, qui s'intègrent à l'architecture de traitement numérique de l'appareil, ont été développés dans le cadre de ce projet de maîtrise pour extraire le temps de détection des signaux numérisés à 100 MHz. Cette information est essentielle à la mesure TEP pour détecter en coïncidence les photons émis suite à l'annihilation d'un positron. Bien que le but ultime soit l'atteinte d'une résolution temporelle optimale, la simplicité et la rapidité de calculs des méthodes développées sont également des critères à considérer. En effet, des algorithmes compacts et rapides doivent être implantés dans des circuits programmables FPGA pour permettre le traitement en temps réel du signal issu des détecteurs de la caméra. Pour ce faire, des méthodes relativement simples et intuitives ont d'abord été développées pour extraire le temps de détection. Ainsi, une version numérique du circuit discriminateur à fraction constante (DFC), communément utilisé en TEP, a été réalisée. Des méthodes de lissage linéaire et exponentiel ont également été appliquées sur les échantillons du signal issu des détecteurs afin d'extraire le temps de détection. Un algorithme de minimisation de l'erreur quadratique moyenne entre le signal et un modèle de celui-ci a également été développé. L'utilisation de ces algorithmes numériques en remplacement de circuits DFC analogiques a permis d'améliorer la résolution temporelle de 40% pour des scintillateurs lents comme le BGO (Oxyde de Germanate de Bismuth) et de 7% pour des scintillateurs plus rapides comme le LSO (OrthoSilicate de Lutécium). Par ailleurs, un algorithme de discrimination de temps un peu plus évolué, basé sur des réseaux de neurones artificiels, a également été développé. En plus de permettre un gain de résolution en temps d'environ 10% (pour le BGO et le LSO) par rapport aux résolutions obtenues avec les autres algorithmes numériques de discrimination de temps, cette innovation inclut un mécanisme d'apprentissage automatisé qui permet d'optimiser l'algorithme aux caractéristiques intrinsèques de chaque détecteur et au rapport S/B présent sur chaque voie. Enfin, une analyse plus complète de chaque élément de la chaîne de détection a été réalisée dans le chapitre 5 de ce mémoire afin d'identifier les principaux facteurs qui influencent la résolution temporelle accessible avec des détecteurs à cristal-PDA. Cette étude constitue d'ailleurs un premier pas vers le développement de méthodes de discrimination de temps plus complexes et mieux adaptées aux réalités de la chaîne de détection en TEP.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».