Conception et optimisation de canaux de détection à base de photodiodes à avalanche (SPADs) pour le comptage de photons pour la tomographie optique diffuse
Bibliographic record
Abstract
Ce mémoire présente les améliorations suggérées au scanneur de tomographie optique diffuse du groupe TomOptUS de l'Université de Sherbrooke. La tomographie optique diffuse est une modalité d'imagerie qui permet d'utiliser la lumière dans le proche infrarouge (650 - 950 nm) pour faire l'imagerie en profondeur (> 1 cm) de petits animaux comme des souris. Cette technique est très intéressante en pharmacologie et en oncologie où elle permet de faire le suivi de médicaments ou de la progression d'une pathologie. Elle permet également de réduire le nombre de sacrifices d'animaux, puisqu'elle est non-invasive. Il est donc possible de faire un suivi dans le temps de l'objet sous étude. Cette technique fonctionne aussi en fluorescence et permet donc d'utiliser différents agents pour faire le marquage d'objets d'intérêt dans l'animal. Ce scanneur fonctionne dans le domaine temporel et acquiert le temps de vol des photons qui ont traversé le sujet pour reconstruire l'impulsion laser via le comptage de photons corrélé en temps avec une source laser ultrarapide. Le présent scanneur utilise 7 canaux de détection sans contact positionnés en anneau autour du sujet. Ce nombre est présentement trop faible pour avoir un temps d'acquisition satisfaisant. Il a été déterminé que le facteur limitant est la rotation mécanique des canaux autour du sujet pour obtenir une couverture angulaire satisfaisante. Pour réduire le temps d'acquisition, il a été suggéré d'augmenter le nombre de canaux jusqu'à 32 voire 64. Toutefois, les présents canaux utilisent des tubes photomultiplicateurs qui sont trop volumineux pour une telle densité de détecteurs autour de l'animal. Des photodiodes à avalanches ont donc été envisagées pour les remplacer, puisqu'elles sont moins volumineuses, en plus d'offrir une meilleure efficacité quantique et une meilleure précision temporelle. Ceci les rend particulièrement efficaces pour le comptage de photons. Ces photodiodes ont cependant une zone photosensible avec un diamètre considérablement plus petit que les tubes photomultiplicateurs (25 - 100 μm comparativement à ≈ 1 cm pour les tubes photomultiplicateurs). Ceci réduit le taux de comptage, ainsi que le ratio signal sur bruit et rend l'alignement difficile. Le présent projet est donc d'optimiser les canaux de détection incorporant ces photodiodes à avalanches. Une analyse des paramètres et des contraintes a d'abord été faite pour cibler les spécifications optimales des canaux. Ensuite, plusieurs concepts optiques sont présentés et analysés qui offrent des performances optimales avec un taux de comptage maximal. Ces nouveaux canaux utilisent des lentilles d'immersion comme concentrateurs optiques. Ces lentilles hémisphériques peuvent atteindre un rapport de concentration de ≈ n², ce qui correspond dans le cas présent à ≈ 4. Ceci se traduit en une augmentation du taux de comptage et du rapport signal sur bruit du même rapport. L'installation et l'alignement de ces lentilles d'immersion sur les photodiodes à avalanches dans un module sur mesure ont ensuite été réalisés et la confirmation expérimentale de cette augmentation du taux de comptage a été démontrée avec des mesures intrinsèques et en fluorescence. Cette augmentation expérimentale est appuyée par des simulations Zemax qui sont en excellent accord avec l'expérimental. Finalement, la confirmation que ces lentilles n'affectent pas la précision temporelle des photodiodes a été obtenue expérimentalement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".