論文の概要: Machine Learning-Based Modeling of the Anode Heel Effect in X-ray Beam Monte Carlo Simulations

• arxiv url: http://arxiv.org/abs/2504.19155v1
• Date: Sun, 27 Apr 2025 08:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.154265
• Title: Machine Learning-Based Modeling of the Anode Heel Effect in X-ray Beam Monte Carlo Simulations
• Title（参考訳）: 機械学習によるX線ビームモンテカルロシミュレーションにおけるアノードヒール効果のモデル化
• Authors: Hussein Harb, Didier Benoit, Axel Rannou, Chi-Hieu Pham, Valentin Tissot, Bahaa Nasr, Julien Bert,
• Abstract要約: 我々は,アノードヒール効果のAI駆動モデルを開発し,ビーム強度分布とドシメトリック精度の向上を実現した。 実験的に最適化されたビームウェイトは、OpenGATEとGGEMS Monte Carloツールキットに統合された。
• 参考スコア（独自算出の注目度）: 0.3253842852933408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study enhances Monte Carlo simulation accuracy in X-ray imaging by developing an AI-driven model for the anode heel effect, achieving improved beam intensity distribution and dosimetric precision. Through dynamic adjustments to beam weights on the anode and cathode sides of the X-ray tube, our machine learning model effectively replicates the asymmetry characteristic of clinical X-ray beams. Experimental results reveal dose rate increases of up to 9.6% on the cathode side and reductions of up to 12.5% on the anode side, for energy levels between 50 and 120 kVp. These experimentally optimized beam weights were integrated into the OpenGATE and GGEMS Monte Carlo toolkits, significantly advancing dosimetric simulation accuracy and the image quality which closely resembles the clinical imaging. Validation with fluence and dose actors demonstrated that the AI-based model closely mirrors clinical beam behavior, providing substantial improvements in dose consistency and accuracy over conventional X-ray models. This approach provides a robust framework for improving X-ray dosimetry, with potential applications in dose optimization, imaging quality enhancement, and radiation safety in both clinical and research settings.
• Abstract（参考訳）: 本研究は、アノードヒール効果のAI駆動モデルを開発することにより、X線画像におけるモンテカルロシミュレーション精度を高め、ビーム強度分布の改善とドシメトリック精度を実現する。 X線管の陽極側と陰極側のビーム重みの動的調整により,我々の機械学習モデルは臨床用X線ビームの非対称性特性を効果的に再現する。 実験の結果、カソード側で9.6%、陽極側で最大12.5%の線量増加が50kVpから120kVpのエネルギーレベルで示された。 これらの実験で最適化されたビームウェイトはOpenGATEおよびGGEMS Monte Carloツールキットに統合され、ドシメトリックシミュレーションの精度と臨床画像によく似た画像品質が著しく向上した。 フルエンスおよび線量アクターによる検証は、AIベースのモデルは臨床ビームの挙動を密接に反映し、従来のX線モデルよりも線量一貫性と精度を大幅に改善することを示した。 このアプローチは、X線線量測定を改善するための堅牢なフレームワークを提供し、線量最適化、画像品質向上、臨床および研究の両方における放射線安全性の潜在的な応用を提供する。

関連論文リスト

• Deformable Radial Kernel Splatting [53.92593804734493]
  Deformable Radial Kernel (DRK)を導入し,ガウススプラッティングをより汎用的で柔軟なフレームワークに拡張する。 DRKは、エッジシャープネスと境界曲率の正確な制御を可能にしながら、様々な形状プリミティブを効率的にモデル化する。
  論文  参考訳（メタデータ） (2024-12-16T13:11:02Z)
• End-to-End Hybrid Refractive-Diffractive Lens Design with Differentiable Ray-Wave Model [18.183342315517244]
  本稿では,光収差と拡散位相変調の両方を正確にシミュレーションするためのハイブリッド光線トレーシングと波動伝搬(光波)モデルを提案する。 提案したレイウェーブモデルは完全に微分可能であり、屈折回折レンズ最適化と画像再構成ネットワークのエンドツーエンド共設計のための勾配バックプロパゲーションを可能にする。
  論文  参考訳（メタデータ） (2024-06-02T18:48:22Z)
• Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
  本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。 我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
  論文  参考訳（メタデータ） (2024-02-27T10:38:05Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs [0.0]
  そこで本研究では,1回の検査で複数の病態を検出できる多ラベル疾患予測モデルを提案する。 提案モデルでは,AUCスコアが0.896であった。
  論文  参考訳（メタデータ） (2022-02-08T00:43:57Z)
• Subspace modeling for fast and high-sensitivity X-ray chemical imaging [4.062272647963248]
  TXM-XANESイメージング技術は、マルチエネルギーのX線で一連の顕微鏡画像を取得して化学マップを得るという、新たなツールである。 高速かつ高感度なケミカルイメージングを実現するため,画像品質向上のためのシンプルで頑健なデノナイジング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-01T23:26:06Z)
• Vacuum birefringence and diffraction at XFEL: from analytical estimates to optimal parameters [0.0]
  我々は、X線自由電子と高強度レーザーパルスのヘッドオン衝突における真空複屈折とX線光子散乱について検討した。 この結果は,高強度フロンティアにおける真空複屈折の発見実験において,パラメータの最適選択の同定に不可欠である。
  論文  参考訳（メタデータ） (2021-04-11T20:52:44Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Deep Ensemble Analysis for Imaging X-ray Polarimetry [0.0]
  画像偏光計を用いたX線テレスコープの感度向上手法を提案する。 我々は,1-9keVイベントトラックの光電子方向,X線吸収点,X線エネルギーを解析した。 実GPD検出器のサンプルデータを用いて本手法の有効性を確認した。
  論文  参考訳（メタデータ） (2020-07-08T00:10:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。