《Radiation Measurements》：Design of a directional radiation monitoring system using an ANN-based algorithm
编辑推荐：
尹秀钟|白熙均|李永柱|张宇成|金尚永|郑永贤•该系统采用人工神经网络构建，可实现360度视野下的实时辐射源定位。•系统通过分析四个NaI:Tl探测器的计数比率，无需机械旋转即可精准预测辐射入射方向。•通过蒙特卡洛模拟优化系统性能，确定254毫米为提升灵敏度和准确度的最佳准直器长
尹秀钟|白熙均|李永柱|张宇成|金尚永|郑永贤
- •
该系统采用人工神经网络构建，可实现360度视野下的实时辐射源定位。
- •
系统通过分析四个NaI:Tl探测器的计数比率，无需机械旋转即可精准预测辐射入射方向。
- •
通过蒙特卡洛模拟优化系统性能，确定254毫米为提升灵敏度和准确度的最佳准直器长度。
- •
该人工神经网络模型可将400米范围内、高度差异为±4米的辐射源方向误差控制在5度以内，展现出出色的检测能力。
- •
评估结果显示，在理想条件下，各探测器需累计至少4000次计数，才能保证系统的稳定可靠方向检测性能。
引言
近年来，随着对辐射应用设施及核电站的需求增加，放射性材料被盗、丢失以及辐射事故（如福岛核电站事故）等事件也日益增多[1]、[2]、[3]。放射性物质泄漏会破坏生态系统并危害人类健康[3]、[4]。在发生事故时，最关键的措施就是迅速发现并消除辐射源，以减少辐射带来的危害。因此，能够提供辐射源（核素、位置）信息的辐射监测系统至关重要。本研究并非着眼于放射性物质的大范围扩散，而是针对放射性源因丢失、被盗或非法移动而出现在非预定位置的情景，旨在解决快速有效检测和定位此类辐射源的技术需求。
目前，环境中常用的辐射监测系统包括环境辐射监测系统、高压离子室以及基于闪烁体的光谱仪等[5]、[6]、[7]、[8]。这些探测器能够实时测量辐射剂量率，有助于在辐射事故发生后及早发现周边辐射水平的变化。然而，它们在提供用于定位辐射源的方向信息方面存在局限性。
正是由于这一局限，其他研究团队开发出了多种辐射监测系统，比如伽马相机、编码孔径相机、旋转调制准直器成像系统以及康普顿相机，这类系统均可用于测量辐射源的方向[9]、[10]、[11]、[12]、[13]、[14]、[15]、[16]、[17]。伽马相机和编码孔径相机虽能提供辐射源的实时信息，但其狭窄的视野限制了监测范围；基于RMC的成像系统虽然具备360度视野，但由于准直器的机械操作需要较长测量时间而存在不足；康普顿相机虽然视野较宽，但灵敏度较低，难以检测远处辐射源的方向信息。
为弥补传统系统的缺陷，本研究提出了一种具备360度视野、可检测远处辐射源方向信息的监测系统。该系统由四个闪烁体探测器及壁装式准直器组成，可实现360度监测。由于探测器与准直器的布局方式，不同方向的辐射入射会导致各探测器获得不同的计数值。通过人工神经网络分析这些特征，便可快速高效地获取辐射源的方向信息。人工神经网络已在多个领域得到应用，其优势在于能够快速分析输入数据并输出精确结果，因此被认为非常适合用于本系统的开发[18]、[19]、[20]。
本研究设计了一种基于人工神经网络的定向辐射监测系统，旨在通过概念设计验证其基本工作原理及初步可行性。本文介绍了系统设计流程，以及通过蒙特卡洛模拟进行系统优化和性能评估的相关研究。首先阐述了该系统的基本结构与方向检测原理，并介绍了基于Geant4 Application for Tomographic Emission（GATE）工具包的仿真方法[21]。随后建立了用于训练人工神经网络的数据库，并开发出了可用于方向检测的神经网络模型。通过对模型过拟合问题及监测适用性进行验证，对该模型进行了优化，并以此为基础调整系统结构、建立独立数据库，针对不同系统结构分别训练相应的神经网络模型。最终通过对比分析各结构对应的神经网络评估指标，确定了最优设计参数。最后进行了性能评估，以确认该系统是否满足预期功能要求，评估内容包括方向检测精度、检测范围以及最小检测计数。
章节要点
基于人工神经网络算法的DRMS系统配置
DRMS系统由四个呈方形紧凑排列的NaI:Tl闪烁体探测器以及外部连接的壁装式准直器组成（图1(A)）。该系统通过四个探测器测量的伽马射线计数来判断辐射源的方向。如图1(B)所示，当使用壁装式准直器时，不同探测器在检测辐射源时获得的计数值存在差异，而这些计数差异与辐射方向密切相关。
GATE仿真结果
仿真结果用于验证所提系统的检测原理，图7展示了根据准直器长度不同划分的各辐射源方向的计数比率。实验结果表明，在测量过程中，四个探测器之间的计数会出现差异，且随着辐射源的移动，计数比率会不断变化，形成特定的模式。这些模式会随准直器长度的不同而发生变化，说明准直器长度
结论
本研究旨在对基于人工神经网络的DRMS系统进行概念设计，并在简化条件下验证其基本工作原理。在此基础上，通过仿真完成了初步的优化与性能评估，为未来在真实辐射应急场景中的应用提供基础数据。实验结果表明，所开发的神经网络模型在训练过程中不存在过拟合问题，具备良好的适用性
CRediT作者贡献说明
金尚永：验证、监督、概念设计。张宇成：验证、概念设计。郑永贤：写作——审稿与编辑、验证、监督、数据整理、概念设计。李永柱：可视化、软件开发。白熙均：方法论、研究分析、形式化分析。尹秀钟：写作——初稿撰写、可视化、验证、软件开发、方法论、研究分析
利益冲突声明
? 作者声明不存在任何可能影响本文研究成果的已知财务利益或个人关系。
致谢
本研究得到了韩国国家研究基金会（NRF）在韩国政府（MSIT）资助下的项目支持。（项目编号：RS-2024-00343836，RS-2025-25458886）
