글로벌 연구동향
방사선방호 및 안전
본문글자크기
![[Radiation Measurement] Feasibility study on dose conversion using a deep learning algorithm for retrospective dosimetry](/enewspaper/upimages/1744181522admin.PNG)
2025년 04월호
[Radiation Measurement] Feasibility study on dose conversion using a deep learning algorithm for retrospective dosimetryKAERI / 김형택*
- 출처
- Radiation Measurement
- 등재일
- February 2025
- 저널이슈번호
- Volume 181 107382
- 내용
선원위치에 따른 선량분포 학습데이터
Deep learning 학습모델의 선량반응특성
- 키워드
- Dose conversionRetrospective dosimetryDeep neural networkFortuitous dosimetersPhantoms
- 연구소개
- 방사선 사고 발생 시 개인의 피폭 선량을 추정하는 기술인 사후선량평가 분야에서는, 몬테카를로 전산모사 기법을 활용하여 표지 물질의 선량을 인체 선량으로 환산하는 연구가 지속적으로 수행되어 왔습니다. 그러나 사고 상황의 복잡성으로 인해, 기존에는 ICRP에서 제시하는 단순화된 피폭 시나리오를 기반으로 한 분석에 의존해 왔습니다. 본 연구에서는 최근 주목받고 있는 딥러닝 기술을 활용하여, 다양한 사고 시나리오에 대한 선량 환산 계수를 예측할 수 있는 AI 학습 모델의 개발 가능성을 조사하였습니다. 연구 결과, 충분한 학습 데이터를 확보할 수 있다면 실제 사고 현장에서 활용 가능한 선량 환산 계산 도구로서의 개발 가능성이 높은 것으로 판단되었습니다.
- 덧글달기
