Conception de l'électronique d'un scanner de tomographie d'émission par positrons pour l'imagerie cérébrale clinique multimodale
Bibliographic record
Abstract
Malgré les avancées médicales et technologiques, le cerveau demeure un organe rempli de mystères. Sa complexité inégalée et son faible volume exigent des outils de visualisation d’une grande précision. L’imagerie médicale et moléculaire constitue l’approche privilégiée pour l’étude in vivo du fonctionnement cérébral, ainsi que pour le dépistage, le diagnostic et le traitement de nombreuses maladies neurodégénératives comme la maladie d'Alzheimer et de Parkinson. Les modalités anatomiques, telles que l’imagerie par résonance magnétique (IRM) et la tomodensitométrie (TDM), offrent une vision précise des structures internes, l’IRM se distinguant par sa résolution spatiale élevée et son contraste tissulaire. L’imagerie moléculaire, notamment la tomographie par émission par positons (TEP), permet de sonder les processus biologiques et métaboliques à l’échelle cellulaire. Combinée à l’IRM, l’imagerie multimodale TEP-IRM associe la localisation anatomique fine à une caractérisation précise de la distribution des radiotraceurs. L’imagerie TEP cérébrale exige la plus haute résolution spatiale. Or, les scanners TEP cliniques actuels offrent une résolution comprise entre 2,4 et 8,0 mm, insuffisante pour distinguer les structures sous-corticales profondes. Bien que l’IRM améliore la localisation anatomique, la résolution demeure limitée par les performances intrinsèques du système TEP. Fort de l’expertise du Groupe de recherche en appareillage médical de Sherbrooke (GRAMS) en imagerie préclinique, ce projet vise à développer l’électronique d’un scanner TEP à ultra-haute résolution (UHR) atteignant 1,25 mm, et à explorer sa compatibilité électromagnétique avec l’imagerie multimodale simultanée TEP-IRM. La technologie LabPET II, développée par le GRAMS, repose sur une architecture modulaire extensible qui a permis la réalisation de scanners précliniques à résolution submillimétriques. Toutefois, la mise à l’échelle nécessaire pour couvrir le champ de vue d’un cerveau humain 129 024 canaux individuels soulève des défis majeurs de fabrication, de bande passante et de gestion thermique. Cette thèse décrit d’abord le module de détection LabPET II, ses limitations et les améliorations introduites pour le scanner UHR. Elle propose ensuite une révision complète de l’architecture électronique pour permettre la mise à l'échelle vers un système commercialement viable, en comparant ses performances à celles de la technologie originale et en analysant l’impact de la mise à l’échelle. Enfin, elle étudie la compatibilité géométrique, mécanique et électromagnétique des technologies LabPET II et UHR avec l’imagerie multimodale TEP-IRM, en vue de l’intégration d’un système insérable dans l’alésage d’un IRM commercial.
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 | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".