黑暗中不再发光：深度学习如何改进热释光剂量测定中的受照日期估计
医学物理
2021-10-18 v2 机器学习
摘要
热释光剂量计的时间或温度分辨探测器信号可揭示电离辐射照射环境的相关附加信息。我们研究了使用深度神经网络，根据北莱茵-威斯特法伦材料检验局与多特蒙德工业大学合作开发的新型TL-DOS个人剂量计的热释光曲线，在42天监测区间内估计单次12 mSv照射日期。使用深度卷积网络，可从原始时间分辨热释光曲线数据预测照射日期，在68%置信水平下不确定度约为1-2天，无需预先变换至温度空间及随后的热释光曲线解卷积。与先前发表的使用热释光曲线解卷积所得特征作为神经网络输入、预测不确定度为2-4天的研究相比，这对应预测精度的显著提升。
引用
@article{arxiv.2106.07592,
title = {No more glowing in the dark: How deep learning improves exposure date estimation in thermoluminescence dosimetry},
author = {Florian Mentzel and Evelin Derugin and Hannah Jansen and Kevin Kröninger and Olaf Nackenhorst and Jörg Walbersloh and Jens Weingarten},
journal= {arXiv preprint arXiv:2106.07592},
year = {2021}
}