[發明專利]基于深度學習的放射性廢物層析γ掃描圖像重建方法

在審

• 申請號: 202210737502.7
• 申請日: 2022-06-27
• 公開（公告）號: CN115731315A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 石睿;王昌銘;庹先國;鄭洪龍;楊廣;王洲;劉一瑭
• 申請（專利權）人: 四川輕化工大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06F30/20;G01N23/04;G01T1/167;G01T1/36
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 李玉興

本發明公開了一種使用經過先驗數據訓練的二維卷積神經網絡利用稀疏掃描數據進行放射性廢物TGS檢測圖像重建，提高檢測效率及圖像重建精度的基于深度學習的層析γ掃描圖像重建方法。該方法包括步驟S1、根據體素劃分模型確定稀疏掃描方式；S2、使用蒙特卡羅方法相關軟件，根據TGS系統尺寸建立仿真模型；S3、進行仿真實驗并建立透射圖像訓練數據集；S4、搭建深度學習神經網絡；并通訓練深度學習神經網絡；S5、重建高分辨率透射圖像和發射圖像并融合；S6、建立融合圖像訓練數據集并訓練深度學習神經網絡；重建融合圖像；S7、設計分析處理系統，實現透射圖像以及融合圖像的重建。采用該方法能夠有效的減少掃描次數提升檢測效率；提高重建圖像質量。

技術領域

本發明涉及核廢物層析γ掃描測量領域，具體公開了一種基于深度學習的放射性廢物層析γ掃描圖像的重建方法。

背景技術

眾所周知的：根據核廢物管理處置相關條例，要求使用標準桶封裝放射性廢物。對放射性廢物暫存、運輸及處置前，需準確測量廢物桶內放射性核素的成份、含量和分布規律。

鑒于廢物桶的放射性，多采用無損檢測的方式進行測量。層析γ掃描技術(Tomographic Gamma Scanning,TGS)是目前成熟的幾種無損檢測方式之一，根據廢物桶體素劃分方式，使用γ探測器多角度、多位置分層掃描廢物桶，重建桶內介質線衰減系數分布圖像(透射圖像)和核素活度分布圖像(發射圖像)。可以在樣品的物理、化學形態不發生任何變化的情況下，準確分析出樣品中所含放射性核素種類、含量及其放射性活度的空間位置分布。通常，劃分體素數量越多，檢測結果越準確，圖像中包含的信息越詳細，但精細的體素劃分要求更多次數的掃描，增加了大量檢測時間，降低工作效率。而大體素劃分，雖然要求掃描次數較少，檢測時間短，但檢測結果準確度會一定程度的下降。因此，保證檢測結果精度的前提下兼顧提升檢測效率是目前TGS技術急需解決的關鍵技術問題。

發明內容

本發明所要解決的技術問題是提供一種使用經過先驗數據訓練的二維卷積神經網絡利用稀疏掃描數據進行放射性廢物TGS檢測圖像重建，提高檢測效率及圖像重建精度的基于深度學習的放射性廢物層析γ掃描圖像的重建方法。

本發明解決其技術問題所采用的技術方案是：基于深度學習的放射性廢物層析γ掃描圖像的重建方法，包括以下步驟：

S1、根據體素劃分模型確定稀疏掃描方式；

S2、使用蒙特卡羅方法相關軟件，根據TGS系統尺寸建立仿真模型；

S3、進行仿真實驗并建立透射圖像訓練數據集；

S4、搭建深度學習神經網絡；并通過步驟3中得到的透射圖像訓練數據集訓練深度學習神經網絡；

S5、通過步驟S4中訓練后的深度學習神經網絡重建高分辨率透射圖像和發射圖像并融合；

S6、建立融合圖像訓練數據集并訓練深度學習神經網絡；通過訓練后的深度學習神經網絡重建融合圖像；

S7、設計分析處理系統，實現透射圖像以及融合圖像的重建。

具體的，所述步驟S1中體素劃分模型為極坐標體素劃分模型或者矩形網格體素劃分模型；

在直角坐標體系中，將體素劃分為正方體形狀；在極坐標體系中，將體素劃分為扇形體形狀；每種劃分方式均將廢物桶縱向分為I個斷層，每個斷層再分為J個體素塊。

具體的，所述步驟S2中仿真模型與TGS系統尺寸保持一致，仿真模型中探測器尺寸和種類與TGS探測器一致。