Tomodensitométrie par comptage de photons
Bibliographic record
Abstract
La tomodensitométrie (TDM) est une modalité d'imagerie médicale anatomique extrêmement utile en imagerie moléculaire. Elle permet de localiser de façon précise les sources d'émissions détectées en tomographie d'émission par positrons (TEP) relativement à des repères anatomiques facilement identifiables dans les images à haute résolution de la TDM. La localisation s'effectue par superposition des images issues de la TDM et de la TEP, cette dernière étant susceptible de ne contenir que peu de repères anatomiques selon le radiotraceur utilisé. Classiquement, la TDM et la TEP se jumellent en juxtaposant axialement un scanner de chaque modalité de sorte que le sujet traverse successivement chaque appareil pour effectuer les deux acquisitions indépendamment. Cette translation diminue la qualité de la fusion des images, puisque les organes du sujet peuvent se déplacer légèrement, ce qui rend l'alignement difficile après la reconstruction. De plus, dans un grand nombre d'études en imagerie moléculaire, il s'est avéré que la dose de radiations X transmise au sujet lors de l'acquisition TDM peut influencer les résultats quantitatifs obtenus en TEP, ce qui rend ces études difficilement répétables. Les tomodensitomètres actuels mesurent exclusivement le flux de radiation traversant le sujet en intégrant la charge créée par les photons X lors de leur interaction photoélectrique dans un dispositif de conversion de lumière en électrons. Ce mode d'acquisition dit"d'intégration" filtre bien le bruit à haute fréquence mais accumule toutefois le courant de fuite du photodétecteur. Pour obtenir un rapport signal à bruit (S/B) adéquat en TDM, il est nécessaire d'augmenter la dose de radiations transmise de façon significative. Cette technique ne se prête pas bien à l'imagerie moléculaire où la dose injectée joue un rôle limitatif sur le diagnostic et d'autres solutions doivent être apportées. Un mode de mesure du flux de radiation novateur, qui compte individuellement chacun des photons à l'aide d'une électronique de traitement rapide, constitue une alternative au problème d'intégration et permet d'éliminer partiellement le bruit électronique. La bande passante du préamplificateur doit cependant être élevée pour permettre la détection de plusieurs millions de photons par secondes par canal d'acquisition, afin de réduire le temps total d'acquisition nécessaire. Une telle électronique a été développée à Sherbrooke et jumelée à de puissants processeurs de traitement numériques [i.e. numérique]. Cette chaîne d'acquisition double modalité (TEP/TDM), la chaîne LabPETTM, sert déjà à la mesure de TEP dans un scanner commercial pour petits animaux. Le développement d'algorithmes de traitement numériques adaptés au comptage de photons en tomodensitométrie permettrait à cette chaîne d'effectuer une mesure moins bruitée et nécessitant donc une dose substantiellement réduite. De plus, la technologie LabPETTM pourra, à partir d'un même anneau de détection, effectuer une acquisition bimodale TEP/TDM qui s'avérera moins coûteuse, occupera moins d'espace et facilitera la fusion des images TEP/TDM. Les travaux de ce mémoire ont permis d'obtenir une méthode de traitement numérique capable de supporter le comptage des photons à un débit de plusieurs millions d'événements par secondes par détecteur avec une chaîne LabPETTM. La méthode fonctionne par prédiction du signal et se base sur la réponse impulsionnelle de la chaîne placée en mode de préamplification TDM. Cette méthode ouvre la porte au développement du LabPET/TDM, un appareil bimodal intégré de faible dose.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".