基于深度学习的质子热声信号走时提取方法

• 作者: 卓小宇 张东
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 质子热声信号 走时 深度学习
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 研究与探讨
• 页码范围: 79-84,89
• 页数: 7页
• 分类号: TP183|TN911.72
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.09.016

摘要

在质子治疗过程中,关键的问题之一就是如何精确地定位布拉格峰.质子束在能量沉积的过程中将产生热声信号,正确利用热声信号的走时信息将为定位布拉格峰位置带来帮助.文中提出一种基于深度学习的质子热声信号的γ波走时提取方法,通过对大量热声信号数据进行学习,在一些传统方法难以提取走时的复杂情况下,该深度学习方法仍旧准确有效地提取出了走时.结果 表明,该方法在提取走时方面表现出了很好的准确性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张东		51	297	9.0	14.0
2	卓小宇		1	0	0.0	0.0