XiaoMi-AI文件搜索系统
World File Search System剂量测定
NPL 报告光离子束剂量测定 Hugo Palmans ...
轻离子束剂量测定 Hugo Palmans 1、Russell Thomas 1、David Shipley 1、Andrzej Kacperek 2 1 生活质量部，辐射剂量测定团队 2 道格拉斯回旋加速器，Clatterbridge 肿瘤中心，威勒尔，英国 摘要 本报告概述了“改进的轻离子束剂量测定”战略研究项目所做的科学工作，以及英国贸易和工业部 2001-2004 国家测量系统、电离辐射计量计划下的工作。它根据 2004-2007 国家测量系统、英国贸易和工业部电离辐射计量计划下开展的工作进行了修订，以完成早期计划中启动的工作。这项工作还极大地受益于 Clatterbridge 肿瘤中心和加拿大自然科学与工程研究委员会 (NSERC) 的研究项目以及与比利时根特大学的合作。引言部分简要介绍了质子束放射治疗领域，第二章对相关文献进行了全面概述。第三章介绍并讨论了该项目范围内进行的实验工作，第四章讨论了支持进行的模拟。结论部分总结了主要成就以及这项工作为 NPL 创造的机会。
适用于多环境应用的可视化 X 射线剂量测定
摘要：X 射线剂量检测在化学、材料和医学等各个科学领域都发挥着重要作用。然而，目前用于此目的的材料在即时和延迟辐射检测方面都面临着挑战。在这里，我们提出了一种用于多环境应用的视觉 X 射线剂量测定方法，利用 NaLuF 4 纳米晶体 (NC)，它在 X 射线辐照后会从绿色变为红色。通过调节 Ho 3+ 的浓度，可以利用交叉弛豫效应调整 NC 的发射颜色。此外，X 射线辐照会在 NaLuF 4:Ho 3+ NC 中诱导捕获中心的产生，在 X 射线辐照停止后，在机械刺激下产生机械发光 (ML) 行为。ML 强度与 X 射线剂量呈线性相关性，有助于检测延迟辐射。这项突破促进了缺陷检测、核医学、海关和民防领域的 X 射线剂量检查，从而增加了辐射监测和控制的机会。关键词：X 射线剂量检测、多环境、颜色可调、交叉弛豫
NPL 报告光离子束剂量测定 Hugo Palmans ...
轻离子束剂量测定 Hugo Palmans 1、Russell Thomas 1、David Shipley 1、Andrzej Kacperek 2 1 生活质量部，辐射剂量测定团队 2 道格拉斯回旋加速器，Clatterbridge 肿瘤中心，威勒尔，英国 摘要 本报告概述了“改进的轻离子束剂量测定”战略研究项目所做的科学工作，以及英国贸易和工业部 2001-2004 国家测量系统、电离辐射计量计划下的工作。它根据 2004-2007 国家测量系统、英国贸易和工业部电离辐射计量计划下开展的工作进行了修订，以完成早期计划中启动的工作。这项工作还极大地受益于 Clatterbridge 肿瘤中心和加拿大自然科学与工程研究委员会 (NSERC) 的研究项目以及与比利时根特大学的合作。引言部分简要介绍了质子束放射治疗领域，第二章对相关文献进行了全面概述。第三章介绍并讨论了该项目范围内进行的实验工作，第四章讨论了支持进行的模拟。结论部分总结了主要成就以及这项工作为 NPL 创造的机会。
目前用于剂量测定和光谱测定的有源探测器
摘要 我们概述了目前国际空间站 (ISS) 上两个最重要的辐射探测系统 ISS-RAD 和 Timepix。ISS-RAD 是一个单一的大型装置，能够探测带电和中性高能粒子。在空间站运行的前三年半中，ISS-RAD 大部分时间都定期转移到不同的模块，包括 USLab、Columbus、JEM、Node2 和 Node3。相比之下，基于 Timepix 的探测器小得多，部署在空间站周围的多个位置。这些装置的第一代称为 REM，即辐射环境监测器。第二代装置最近已部署，称为 REM-2 装置。我们将简要介绍这些系统中使用的技术及其功能。
NPL 报告光离子束剂量测定 Hugo Palmans ...
轻离子束剂量测定 Hugo Palmans 1、Russell Thomas 1、David Shipley 1、Andrzej Kacperek 2 1 生活质量部，辐射剂量测定团队 2 道格拉斯回旋加速器，Clatterbridge 肿瘤中心，威勒尔，英国 摘要 本报告概述了“改进的轻离子束剂量测定”战略研究项目所做的科学工作，以及英国贸易和工业部 2001-2004 国家测量系统、电离辐射计量计划下的工作。它根据 2004-2007 国家测量系统、英国贸易和工业部电离辐射计量计划下开展的工作进行了修订，以完成早期计划中启动的工作。这项工作还极大地受益于 Clatterbridge 肿瘤中心和加拿大自然科学与工程研究委员会 (NSERC) 的研究项目以及与比利时根特大学的合作。引言部分简要介绍了质子束放射治疗领域，第二章对相关文献进行了全面概述。第三章介绍并讨论了该项目范围内进行的实验工作，第四章讨论了支持进行的模拟。结论部分总结了主要成就以及这项工作为 NPL 创造的机会。
骨转移疼痛缓解：放射性药物的生产、质量控制和剂量测定
国际原子能机构放射性同位素生产和辐射技术计划的主要目标之一是提高国际原子能机构成员国在部署用于医疗和工业应用的新兴放射性同位素产品和发生器方面的专业知识和能力，以满足国家需求，并吸收用于诊断和治疗应用的放射性药物的新发展。这将确保在质量保证框架内这些应用在当地可用。国际原子能机构放射性同位素和放射性药物系列出版物提供以下领域的信息：反应堆和加速器生产的放射性同位素、发生器和密封源的开发/生产，用于医疗和工业用途；放射性药物科学，包括放射化学、放射性示踪剂开发、生产方法和质量保证/质量控制 (QA/QC)。这些出版物拥有广泛的读者群，旨在满足科学家、工程师、研究人员、教师和学生、实验室专业人员和教员的需求。国际专家协助国际原子能机构秘书处起草和审查这些出版物。本系列中的一些出版物也可能得到相关领域国际组织和专业协会的认可或共同赞助。出版物分为两类：国际原子能机构放射性同位素和放射性药物系列和国际原子能机构放射性同位素和放射性药物报告。
核能工作者职位 – 男性
• 任何一年的剂量测定期内为 50 mSv，但在任何 5 年的剂量测定期内不得超过 100 mSv • 一年的剂量测定期内皮肤为 500 mSv • 手和脚为 500 mSv 一年的剂量测定期内为 500 mSv 多伦多大学强调遵守 ALARA 政策，即将剂量保持在尽可能合理的低水平。所有放射项目都以您的安全为出发点，确保将暴露的可能性降至最低。您每年都会被告知所接受的剂量。在紧急情况下，挽救生命比辐射暴露更重要。在采取必要行动将公众所受剂量影响降至最低时，您的有效剂量可能高达 100 mSv，而您的等效剂量可能高达 1000 mSv。在采取必要措施防止严重伤害或可能对人员和环境造成重大影响时，您的有效剂量限值可能高达 500 毫希沃特，等效剂量可能高达 5000 毫希沃特。辐射防护服务 (RPS) 可随时解答您的任何问题。
辐射剂量测定的质量保证
辐射剂量测定的质量保证：成就与趋势 A. 简介 剂量测定是测量辐射剂量的科学。辐射的吸收剂量以“戈瑞”（Gy）为单位进行测量。如果要充分利用核技术在医疗保健领域的应用优势，那么辐射剂量测量和确保其尽可能准确至关重要。放射性过程和辐射用于许多与健康相关的技术，剂量测定的质量保证 (QA) 和准确性要求取决于特定应用的具体需求。在将辐射作为治疗方案的一部分输送给患者的情况下，准确性至关重要。放射治疗程序的目标是输送根除肿瘤所需的剂量，同时尽量减少对健康组织的辐射暴露。输送过多的辐射会导致严重的并发症，从而损害患者的生活质量。另一方面，向恶性组织输送太少的辐射最终会导致患者因疾病而死亡。剂量测定也是诊断医学的重要组成部分。在这种情况下，准确性的主要驱动因素是需要在图像质量和辐射暴露量之间取得平衡。通过避免不必要的重复成像程序，患者的累积剂量被最小化，同时仍然提供诊断和监测疾病所需的信息。医院、工业、实验室和核电站使用辐射也需要考虑工人在履行职责过程中可能受到的辐射暴露。职业剂量测量所需的准确度低于患者剂量测量所需的准确度；然而，在规定的不确定度水平上对测量进行可追溯性仍然很重要。剂量测定是所有辐射安全和防护计划的重要组成部分，旨在监测和实现辐射的安全使用。核技术的工业应用需要以高剂量输送辐射。一些辐照产品可以直接供消费者使用，例如辐照食品或灭菌医疗产品。优化辐射输送非常重要，因为如果输送到产品的剂量不足以达到应有的效果，个人的健康和安全就会受到威胁。或者，如果剂量过高，资源将被浪费，从而产生经济后果。因此，工业加工剂量测定应用所需的精度水平取决于辐射过程的经济性以及加工商确保其产品符合健康和安全标准的需求。安全和最佳使用辐射的要求因所需的剂量测定精度而异。制定和实施适当的质量保证计划将确保满足这些要求。此类质量保证计划的主要组成部分包括通过精确校准仪器、培训员工、剂量测定审计以及建立质量控制和辐射安全程序来实现辐射测量的可追溯性。以下各节介绍了与剂量测定和测量标准质量保证、放射治疗、诊断放射学、内部剂量测定和辐射防护相关的最新成就和趋势。
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
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。