Étude théorique et conception d'un système de détection de coïncidences en temps réel dédié à un tomographe d'émission par positrons pour petits animaux
Bibliographic record
Abstract
Les appareils en tomographie d'émission par positrons (TEP) cliniques ou de recherche permettent de visualiser le métabolisme des processus chimiques à l'aide de traceurs spécifiques. Ils permettent en particulier de diagnostiquer et de suivre l'évolution des cancers chez l'humain, ou encore d'étudier la maladie et de valider les traitements à l'aide de petits animaux de laboratoire. Les recherches menées sur les petits animaux nécessitent des appareils de plus haute résolution que les appareils cliniques puisque leurs organes sont beaucoup plus petits. De nombreuses équipes de recherche explorent diverses solutions pour repousser les limites des appareils actuels, particulièrement en profitant de l'évolution des détecteurs, des circuits numériques et des techniques d'analyse de données. En parallèle, les chimistes et les biologistes ont développé de nouveaux radiotraceurs excessivement sélectifs qui exigent des scanneurs très sensibles et autorisant une plus grande liberté sur les protocoles d'acquisition. Cette sélectivité élimine l'apparition du contour du sujet dans l'image reconstruite, ce qui empêche le positionnement relatif des zones d'activité métabolique dans l'animal. Pour remédier à ce problème, certaines équipes juxtaposent au TEP un deuxième appareil d'imagerie (structurelle cette fois) sous la forme de tomodensitométrie (TDM) ou de résonance magnétique. Le Groupe de Recherche en Appareillage Médical de Sherbrooke (GRAMS) et le Laboratoire de Tomographie d'Émission par Positrons (LabTEP) du Centre d'Imagerie Moléculaire de Sherbrooke (CIMS) font parties des équipes de recherche qui travaillent sur ces appareils bimodaux, ultra-sensibles et de haute résolution. Ces équipes de l'Université de Sherbrooke proposent un système numérique TEP/TDM à base de détecteurs à photodiodes qui possède la caractéristique d'utiliser les mêmes capteurs pour les deux modalités. Contrairement à la plupart des groupes, elle vise également un traitement intégral des données en temps réel, jusqu'à la reconstruction des images, afin de fournir un appareil efficace aux biologistes et autres chercheurs. Par contre, l'approche purement numérique change complètement les règles de circulation des données utilisées jusqu'à présent en TEP et nécessite une nouvelle méthode pour identifier les événements d'intérêt dans le flux de données. Ce mémoire de maîtrise présente les efforts et résultats liés à la réalisation d'un système de détection de coïncidences en temps réel pour la TEP.
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 | 0.004 |
| 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 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".