کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8208458 1532057 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Self-adaption Compton imaging algorithm for a quasi-point source
ترجمه فارسی عنوان
الگوریتم تصویربرداری کامپونتون برای یک منبع تقریبا نیمی از خودباوری
کلمات کلیدی
تصویربرداری کمپتون، خود سازگاری، پراکندگی عقب، شبیه سازی مونت کارلو،
ترجمه چکیده
تصویربرداری کمپون یک فناوری امیدوارکننده برای برنامه های کاربردی مختلف از قبیل امنیت هسته ای، پزشکی هسته ای و اخترفیزیک است. برای برنامه های نیمه نقطه ای که در عمل به طور گسترده ای یافت می شوند، یک الگوریتم جدید تصویری کمپتون با مفهوم خود سازگاری پیشنهاد شده است که دقت عالی و راندمان بالا را ارائه می دهد. به طور خاص، این الگوریتم به طور قابل توجهی دقت تصویربرداری از رویدادهای تصویربرداری پراکنده عقب را بهبود می بخشد تا بتوان آنها را برای بازسازی بدون تخریب کیفیت تصویر احیا کرد. از شبیه سازی های مونت کارلو، مقایسه ای بین الگوریتم تصویربرداری کامپونتن خودآموزی و الگوریتم تصویربرداری متعارف کامپتون انجام شد و امکان و قابلیت اطمینان این الگوریتم در سناریوهای مختلف تایید شد.
موضوعات مرتبط
مهندسی و علوم پایه فیزیک و نجوم تشعشع
چکیده انگلیسی
Compton imaging is a promising technology for various applications including nuclear safety, nuclear medicine, and astrophysics. For quasi-point-source applications, which are widely found in practice, a novel Compton imaging algorithm incorporating the concept of self-adaption is proposed that provides excellent precision and high efficiency. In particular, this algorithm significantly improves the imaging precision of backward-scattering imaging events so that they can be revived for reconstruction without degrading image quality. From Monte Carlo simulations, a comparison between the self-adaption Compton imaging algorithm and the conventional Compton imaging algorithm was conducted, and the feasibility and reliability of this algorithm was verified in various scenarios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Radiation and Isotopes - Volume 140, October 2018, Pages 41-49
نویسندگان
, , , , , ,