Continuum estimation in low-resolution gamma-ray spectra based on deep learning

作者： 赵日 ¹
作者单位：

1. 中国辐射防护研究院
通讯作者： 赵日 Email:zhaor.abc@163.com
提交时间：2024-11-22 23:04:08

摘要: 本研究提出了一种端到端深度学习方法，以提高低分辨率伽玛射线谱连续统估计的精度。建立了一种生成模拟频谱理论连续谱的新方法，构建了51层、超过105个参数的卷积神经网络，从提取的全局频谱特征中直接预测整个连续谱。为了进行测试，使用了内部nai型全身计数器，并使用蒙特卡罗模拟生成106个训练频谱样本（其中20%保留用于测试）。此外，还选择了现有的拟合方法、阶梯侵蚀方法和峰侵蚀方法进行比较。该方法的活度误差分布较好，平均活度误差最小，仅为1.5%。此外，还利用全身计数器对含4种放射性核素的人体物理幻影进行了验证实验。所提方法的最大活度误差为-5.1%，与比较方法相比误差较小，验证了试验结果。该方法的多尺度特征提取和非线性关系建模为低分辨率伽玛射线谱的连续谱估计提供了一种新的方法。因此，该方法在实际应用中具有准确定量分析放射性的潜力

γ射线谱基底预测深度学习卷积神经网络端到端预测

来自： 赵日
分类： 核科学技术 >> 辐射物理与技术
投稿状态： 已被期刊接收
引用： ChinaXiv:202411.00235 (或此版本 ChinaXiv:202411.00235V1)
DOI:10.12074/202411.00235
CSTR:32003.36.ChinaXiv.202411.00235
科创链TXID： 99aedc50-147c-4873-8e1b-068b4393c0a5
推荐引用方式： 赵日.Continuum estimation in low-resolution gamma-ray spectra based on deep learning.null.[DOI:10.12074/202411.00235] (点此复制)

版本历史

[V1]

2024-11-22 23:04:08

ChinaXiv:202411.00235V1

下载全文

1. HIAF 束流合束过程中的壁电流信号自适应截取与校准方法	2026-04-01
2. 基于注意力机制与残差网络的γ能谱核素识别方法研究	2026-01-04
3. 轻量级神经网络模型在脉冲参数预测中的应用研究	2024-07-16
4. 基于三种深度学习模型在前列腺癌放疗中生成sCT的质量研究	2024-04-25


公开评论匿名评论仅发给作者

Continuum estimation in low-resolution gamma-ray spectra based on deep learning

版本历史

相关论文推荐