"TLDetect":基于人工智能的应用程序,用于检测和纠正异常的TLD亮度曲线
Gal Amit1, Roy Vagerman2, Oran Revayev2
1Dosimetry Section, Soreq Nuclear Research Center, Yavne 8180000, Israel.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
一个新的AI应用程序,TLDetect,从热发光剂量计 (TLD) 过和分类异常发光曲线 (GC). 这项创新显著加快了剂量评估,提高了外部剂量计实验室的准确性和可重复性.
科学领域:
- 医学物理 医学物理
- 人工智能的人工智能
- 剂量测量方法 剂量测量方法
背景情况:
- 手动审查热发光剂量计 (TLD) 发光曲线 (GCs) 是耗时且容易出现不一致的.
- 现有的内部软件缺乏自动过,需要技术人员手动评估几乎所有的GC.
研究的目的:
- 推出TLDetect,这是一款基于人工智能的新型应用程序,用于自动过和分类异常TLDGC.
- 提高外部剂量计中剂量评估的效率,准确性和可重复性.
- 建立一个数据库来分析GC异常模式和诊断TLD阅读器问题.
主要方法:
- 使用现代SQL数据库和人工神经网络 (ANN) 模型开发TLDetect.
- 通过ANN对常规GC进行自动过,只留下异常GC进行审查.
- 根据特征模式,将剩余的GC分为五个不同的异常类别.
主要成果:
- 在GC审查所需的技术人员时间大幅减少.
- 在剂量评估过程中提高了可重复性和准确性.
- 创建一个有价值的数据库来跟踪GC异常分布和TLD读者诊断.
结论:
- 在处理TLD GC方面,TLDetect提供了显著的进步,优化了外部剂量计工作流.
- 由人工智能驱动的方法简化了异常检测和分类,导致更快,更可靠的剂量评估.
- 系统的数据记录功能为潜在的TLD读者硬件维护和故障排除提供了洞察力.
