一种基于深度学习的多种放射性同位素新型峰值搜索方法

《Applied Radiation and Isotopes》：A Novel Peak-Searching Method for Multiple Radioisotopes Based on Deep Learning

　　

戴建良|平功|王泽宇|于方迪|闫文迅|周成|冯亚辉|姜若成|唐晨|吴静|唐晓斌

• •
  提出了一种基于自动化深度学习（DL）的峰值搜索框架，用于在移动检测条件下对复杂的γ射线光谱场景中的多核素进行精确识别。
• •
  与传统核素识别方法相比，所提出的基于峰值搜索的策略具有更强的鲁棒性和更好的可解释性，有助于实现可靠的活性计算。
• •
  系统地比较了三种经典的DL架构（CNN、ResNet和Transformer），以用于多核素环境中的γ射线光谱自动峰值搜索。
• •
  CNN在γ射线光谱峰值搜索任务中提供了最平衡的整体性能。
• •
  Transformer在捕捉全局光谱特征方面表现出色，而ResNet在高灵敏度放射学筛查中实现了最高的召回率。