相关实验视频
Updated: Sep 16, 2025

Preparing an Isotopically Pure 229Th Ion Beam for Studies of 229mTh
Published on: May 3, 2019
机器学习对232的截面的预测Th(p,x) 225的Ac反应
Ailar Baghervand1, S Farhad Masoudi1, Hassan Yousefnia2
1Department of Physics, K.N. Toosi University of Technology, P.O. Box 15875-4416, Tehran, Iran.
机器学习模型改善了用于癌症治疗的动-225生产. 人工神经网络和支持向量回归可以准确预测产量并减少杂质,提高针对性阿尔法疗法的临床适用性.
科学领域:
- 核物理 核物理 核物理
- 放射化学 放射化学是指辐射化学.
- 计算科学 计算科学
背景情况:
- 动-225 (225Ac) 由于其α排放和适当的半衰期,在癌症治疗中具有针对性α疗法 (TAT) 的显著前景.
- 目前225Ac的生产方法有限,阻碍了其广泛的临床应用.
- -232 (232Th) 的质子诱导分离是一种有前途的生产途径,但精确的截面数据预测对于优化至关重要.
研究的目的:
- 通过改进反应截面的预测模型,增强针对性阿尔法疗法 (TAT) 的动-225 (225Ac) 生产.
- 评估各种机器学习 (ML) 模型在预测225Ac生产产量和纯度方面的有效性.
- 优化225Ac的制造工艺,以提高临床适用性.
主要方法:
- 通过手动参数调整来改进TALYS-2.0代码模拟,使其与实验数据保持一致.
- 开发和应用四种机器学习模型:支持向量回归 (SVR),随机森林 (RF),人工神经网络 (ANN) 和多项式回归 (PR).
- 使用精选的实验横截面数据来训练和验证ML模型.
主要成果:
- 人工神经网络 (ANN) 和支持向量回归 (SVR) 模型在预测225Ac反应截面和物理产量方面表现出最高的准确性.
- 该研究评估了制造结果和纯度,特别关注227Ac/225Ac比率,这是医疗实用性的关键因素.
- 机器学习模型显著提高了优化225Ac生产的预测能力.
结论:
- 机器学习应用程序提供了一种强大的方法来提高核反应模型的预测精度.
- 通过ML优化的225Ac生产导致更高的产量和更少的杂质,使其更适合在TAT中临床使用.
- 这项研究为更高效,更可靠的225Ac生产铺平了道路,促进了其在癌症医学中的作用.
更多相关视频
16:11Thermochemical Studies of NiII and ZnII Ternary Complexes Using Ion Mobility-Mass Spectrometry
Published on: June 8, 2022
14:11Quantification of Hydrogen Concentrations in Surface and Interface Layers and Bulk Materials through Depth Profiling with Nuclear Reaction Analysis
Published on: March 29, 2016
相关概念视频
Radioactivity and Nuclear Equations
A nuclide of an element has a specific number of protons and...
Predicting Reaction Outcomes
Nuclear Transmutation
Nuclear Stability
To hold positively charged protons together...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Predicting Products: SN1 vs. SN2
With increased substitution on the alkyl halide,...