Conception d’une unité de traitement des données TDM en technologie TSMC CMOS 0,18 μm pour un scanner bimodal TEP/TDM
Bibliographic record
Abstract
Depuis 2005, le Groupe de Recherche en Appareillage Médical de Sherbrooke (GRAMS) et le Centre d’Imagerie Moléculaire de Sherbrooke (CIMS) travaillent sur la conception des scanners TEP (Tomographie d’Émission par Positrons) dont deux versions ont été commercialisées. Ces scanners reposent sur des photodiodes à avalanche et utilisent un traitement numérique des signaux, en temps réel. Aujourd’hui des recherches sont menées pour combiner les deux modes la TEP et la Tomodensitométrie (TDM) dans une même chaîne électronique et atteindre une résolution spatiale submillimétrique. Ainsi, un nouveau module de détection, le LabPET II, a été conçu afin d’atteindre les performances souhaitées. Ce scanner vise à réaliser, avec le même module, la détection des acquisitions des rayons X en mode TDM et des rayons d’annihilation en mode TEP. L’électronique utilisée pour traiter les événements TEP serait optimisée pour compter les rayons X. Cependant, des recherches ont montré qu’on peut réduire la dose d’exposition aux rayons X en mode TDM par rapport aux doses actuelles en utilisant une méthode de comptage de photons avec mesure spectroscopique. Ce projet de recherche s’insère dans cette optique et a pour objectif principal d’insérer une unité de traitement numérique des événements TDM en temps réel et conçue en technologie TSMC CMOS 0,18 μm, permettant d’appliquer la méthode de mesure d’énergie individuelle des photons. La solution proposée doit être réalisable avec une faible consommation et un faible bruit électronique tout en respectant l’espace restant dans l’ASIC et la bande passante des liens de communication. Ainsi, des circuits numériques et à signaux mixtes ont été ajoutés pour répondre aux exigences du projet. Cependant, en raison des problèmes découverts au niveau du canal analogique lors des tests effectués, cette version de l’ASIC n’a pas pu être envoyée en fabrication.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.004 |
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".