机构名称：
¥ 1.0
摘要 - 由于韩国核工业使用放射源的扩大和核反应堆退役等环境变化，人们担心辐射工作人员发生内部暴露情况的频率增加。本文旨在开发一种基于人工智能的内部剂量测定系统，该系统在目前的商用规范中不可能实现，该系统能够在放射紧急情况下快速估计和处理大量测量信息。为了定义使用人工智能的评估模型，根据 ICRP、OIR 和 IDEAS 的建议，构建了一个用于生成适用于人工神经网络学习的摄入场景和输入值的数据库的自动系统。人工神经网络分为两种模型，即已知摄入时间和未知摄入时间的情况。并且，已经构建了这些模型的架构，分别用于评估承诺有效剂量以及承诺有效剂量和摄入时间。两个模型的损失函数已经收敛，并且没有发生过度拟合，并且已经实现了基于人工智能的内部剂量测定系统的有效性。并且，还利用人工神经网络的学习结果对内部剂量测定程序的有效性进行了测试。R2 分数的准确度约为 0.998，因此基于人工智能的系统可以可靠地进行内部剂量测定。
开发基于人工智能的内部辐射剂量评估系统，可在发生放射性灾难时快速评估工作人员的剂量
主要关键词
相关文件推荐
