Development of Radiation-Distribution Estimation-System with Higher Precision Using Deep Neural Networks and Photon Transport Simulator and Its Implementation on Edge Device

利用深度神经网络和光子传输模拟器的更高精度辐射分布估计系统的开发及其在边缘设备上的实现

基本信息

  • 批准号:
    20K11991
  • 负责人:
  • 金额:
    $ 2.75万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
  • 财政年份:
    2020
  • 资助国家:
    日本
  • 起止时间:
    2020-04-01 至 2024-03-31
  • 项目状态:
    已结题

项目摘要

光子飛跡シミュレータ及び機械学習システムを効果的に利用し,土壌内の放射能深度分布を高精度に推定できるシステムを開発することが本研究の目的である。令和3年度,条件付き敵対的生成ネットワークを用いて,ある単一層にのみに放射線源を仮想配置した場合の光子飛跡シミュレーションデータ(仮想放射線センサにて測定される放射線エネルギースペクトル)を約12万個に拡張した。令和4年度は,令和3年度に作成した単一層のデータセットに対して演算処理等を施すことにより,放射線源を複数層(2又は3層)に仮想配置した場合の放射線エネルギースペクトルデータセットを作成した。これらのデータセットに対して,令和3年度に構築した畳み込み型深層ニューラルネットワークによる放射線強度分布推定実験を実施した。その結果,放射線源を複数層に配置した場合の放射線エネルギースペクトルに対しては高い推定精度(正解率)が得られなかったため,放射線強度分布推定用深層ニューラルネットワークの改築を行った。一部の放射線エネルギースペクトルデータセットに対する学習を通じて放射線強度分布推定精度が向上する深層ニューラルネットワークの構造を試行錯誤的に見出し,その後,深層ニューラルネットワークのファインチューニングを実施した結果,放射線源が単一層又は複数層(2又は3層)に存在する場合の放射線エネルギースペクトルデータセットに対して98%の正解率を得た。上記研究成果の一部を国際会議にて口頭発表した。
Photons fly trace シ ミ ュ レ ー タ and び mechanical learning シ ス テ ム を unseen fruit に using し, soil 壌 を の radioactivity depth distribution in high precision に presumption で き る シ ス テ ム を open 発 す る こ と が の purpose this study で あ る. Make and 3 year, the condition to pay き against the generation of seaborne ネ ッ ト ワ ー ク を with い て, あ る 単 layer に の み に radiation source を 仮 want to configure し た occasions の photons fly trace シ ミ ュ レ ー シ ョ ン デ ー タ (仮 think radiation セ ン サ に て determination さ れ る radiation エ ネ ル ギ ー ス ペ ク ト ル) about 120000 に を company, zhang し た. Keep は and 4 year, make and 3 year に し た 単 layer の デ ー タ セ ッ ト に し seaborne て calculus 処 and を shi す こ と に よ り, radiation source を plural layer (layer 2 and は 3) に 仮 want to configure し た occasions の radiation エ ネ ル ギ ー ス ペ ク ト ル デ ー タ セ ッ ト を made し た. こ れ ら の デ ー タ セ ッ ト に し seaborne て, make and 3 year に build し た 畳 み 込 み type deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク に よ る radiation intensity distribution presumed to be 験 を be applied し た. そ の as a result, the radiation source を plural layers に configuration し た occasions の radiation エ ネ ル ギ ー ス ペ ク ト ル に し seaborne て は い presumed high precision (positive solution rate) が ら れ な か っ た た め, presumption radiation intensity distribution with deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク の line to build を っ た. A の radiation エ ネ ル ギ ー ス ペ ク ト ル デ ー タ セ ッ ト に す seaborne る learning を tong じ て radiation intensity distribution presumption of precision が す up deep る ニ ュ ー ラ ル ネ ッ ト ワ ー ク の tectonic を trial error に see し, そ の after deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク の フ ァ イ ン チ ュ ー ニ ン グ を be applied し た results, Radiation source が 単 layers and は plural layer (layer 2 and は 3) に す る occasions の radiation エ ネ ル ギ ー ス ペ ク ト ル デ ー タ セ ッ ト に し seaborne て 98% positive の solution rate を た. The above record of research results is a を international conference にて oral presentation た.

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Development of CNN to Estimate Depth Distribution Spectrometry of Soil
CNN 的发展来估计土壤的深度分布光谱
  • DOI:
  • 发表时间:
    2023
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Mohd Azam Bin Mohd Pauzi;Takuto Umemoto;Ken'ichi Fujimoto;Minoru Sakama;Kazumasa Inoue;Masahiro Fukushi;Yusuke Imajyo;Michitaka Endo
  • 通讯作者:
    Michitaka Endo
条件付き敵対的生成ネットワークによる放射線スペクトルデータの生成
使用条件生成对抗网络生成辐射光谱数据
  • DOI:
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    0
  • 作者:
    K. Takahashi;N. Kita;M. Sasaki;M. Hashimoto;梅本 拓登,藤本 憲市,阪間 稔,井上 一雅,福士 政広,今城 裕介,福原 隆宏,遠藤 倫崇
  • 通讯作者:
    梅本 拓登,藤本 憲市,阪間 稔,井上 一雅,福士 政広,今城 裕介,福原 隆宏,遠藤 倫崇
放射能濃度深度分布推定のための深層学習データ生成法
估算放射性浓度深度分布的深度学习数据生成方法
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    小嶋健太;小野功;梅本拓登,鈴木順也,大林史乃,藤本憲市,阪間 稔,井上一雅,福士政広,今城裕介,福原隆宏,遠藤倫崇
  • 通讯作者:
    梅本拓登,鈴木順也,大林史乃,藤本憲市,阪間 稔,井上一雅,福士政広,今城裕介,福原隆宏,遠藤倫崇
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

藤本 憲市其他文献

スペクトル半径最適化法を用いた安定固定点の分岐回避制御系
采用谱半径优化方法的稳定定点分支避免控制系统
  • DOI:
  • 发表时间:
    2017
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Ken'ichi Fujimoto;Ken’ichi Fujimoto;D. Yang and Y. Jitsumatsu;K. Fujimoto;藤本 憲市
  • 通讯作者:
    藤本 憲市
知識の定着から活用に至る連続的な学習過程での主体的な学びを促すオンライン活用型の授業設計
在线课程设计鼓励自主学习,在从知识保留到运用的持续学习过程中。
  • DOI:
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    0
  • 作者:
    林 敏浩;八重樫 理人;藤本 憲市;後藤田 中;裏 和宏;米谷 雄介;藤澤 修平;小松川浩
  • 通讯作者:
    小松川浩
動的CT画像再構成システムの初期値生成のための深層ニューラルネットワークの構築
动态CT图像重建系统初值生成的深度神经网络构建
  • DOI:
  • 发表时间:
    2018
  • 期刊:
  • 影响因子:
    0
  • 作者:
    K. Matsuoka;Y. Tanji;K. Fujimoto;H. Kitajima;and Y. Horikawa;藤本 憲市;藤本 憲市,丹治 裕一,北島 博之,堀川 洋
  • 通讯作者:
    藤本 憲市,丹治 裕一,北島 博之,堀川 洋
放射型CTにおけるML-EMアルゴリズムの高速化
放射 CT 中 ML-EM 算法的加速
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    藤本 憲市;丹治 裕一;北島 博之;堀川 洋
  • 通讯作者:
    堀川 洋
倒立振子における力学系の対称性を利用した不安定周期運動の安定化制御器設計法
利用倒立摆动力系统对称性的不稳定周期运动稳定控制器设计方法

藤本 憲市的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('藤本 憲市', 18)}}的其他基金

Development of Method for Estimating Intensity Distribution of Radionuclides Using Deep Learning and Data Assimilation
利用深度学习和数据同化估计放射性核素强度分布的方法的开发
  • 批准号:
    23K11249
  • 财政年份:
    2023
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
非線形動特性を利用したマニピュレータの耐故障性向上に関する研究
利用非线性动态特性提高机械臂容错能力的研究
  • 批准号:
    16760356
  • 财政年份:
    2004
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了