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/2504.19155v2
• Date: Wed, 23 Jul 2025 09:16:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 18:20:07.841235
• 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,X線イメージングシステムにおけるアノードヒール効果を正確にモデル化するための機械学習ベースのフレームワークを開発した。 このアプローチは、臨床線量測定、画像品質評価、放射線防護への応用のためのシミュレーションリアリズムを強化する。
• 参考スコア（独自算出の注目度）: 0.3253842852933408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To develop a machine learning-based framework for accurately modeling the anode heel effect in Monte Carlo simulations of X-ray imaging systems, enabling realistic beam intensity profiles with minimal experimental calibration. Multiple regression models were trained to predict spatial intensity variations along the anode-cathode axis using experimentally acquired weights derived from beam measurements across different tube potentials. These weights captured the asymmetry introduced by the anode heel effect. A systematic fine-tuning protocol was established to minimize the number of required measurements while preserving model accuracy. The models were implemented in the OpenGATE 10 and GGEMS Monte Carlo toolkits to evaluate their integration feasibility and predictive performance. Among the tested models, gradient boosting regression (GBR) delivered the highest accuracy, with prediction errors remaining below 5% across all energy levels. The optimized fine-tuning strategy required only six detector positions per energy level, reducing measurement effort by 65%. The maximum error introduced through this fine-tuning process remained below 2%. Dose actor comparisons within Monte Carlo simulations demonstrated that the GBR-based model closely replicated clinical beam profiles and significantly outperformed conventional symmetric beam models. This study presents a robust and generalizable method for incorporating the anode heel effect into Monte Carlo simulations using machine learning. By enabling accurate, energy-dependent beam modeling with limited calibration data, the approach enhances simulation realism for applications in clinical dosimetry, image quality assessment, and radiation protection.
• Abstract（参考訳）: X線イメージングシステムのモンテカルロシミュレーションにおいて、アノードヒール効果を正確にモデル化し、最小限の実験キャリブレーションで現実的なビーム強度プロファイルを実現する機械学習ベースのフレームワークを開発する。 複数の回帰モデルを用いてアノード・陰極軸に沿った空間強度の変動を予測する。 これらの重みはアノードヒール効果によって導入された非対称性を捉えた。 モデル精度を維持しながら、必要な測定回数を最小限に抑えるために、体系的な微調整プロトコルが確立された。 モデルはOpenGATE 10とGGEMS Monte Carloツールキットで実装され、統合可能性と予測性能を評価した。 実験されたモデルの中では、勾配向上レグレッション(GBR)が最も正確であり、予測誤差は全エネルギー準位で5%以下であった。 最適化された微調整戦略では、エネルギーレベルで6つの検出器位置しか必要とせず、測定の労力を65%削減した。 この微調整プロセスを通じて導入された最大誤差は2%未満にとどまった。 モンテカルロシミュレーションにおけるドーズ・アクターの比較では、GBRベースのモデルは臨床ビームプロファイルを密に再現し、従来の対称ビームモデルよりも大幅に優れていた。 本研究では,アノードヒール効果を機械学習を用いたモンテカルロシミュレーションに組み込むための頑健で一般化可能な手法を提案する。 キャリブレーションデータに制限のある正確なエネルギー依存ビームモデリングを可能にすることにより、臨床線量測定、画像品質評価、放射線防護への応用のためのシミュレーションリアリズムを強化する。

関連論文リスト

• A Surrogate Model for the Forward Design of Multi-layered Metasurface-based Radar Absorbing Structures [3.328784252410173]
  本稿では,多層準曲面RASの電磁(EM)応答の予測を著しく高速化する代理モデルを提案する。 提案したモデルは、99.9%のコサイン類似性を達成し、平均2乗誤差は1000エポック内の0.001である。
  論文  参考訳（メタデータ） (2025-05-14T09:54:00Z)
• 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)
• Elucidating microstructural influences on fatigue behavior for additively manufactured Hastelloy X using Bayesian-calibrated crystal plasticity model [0.0]
  結晶塑性モデリング(CPモデリング)は材料の機械的挙動を予測する重要なツールである。 本稿では,疲労負荷条件下での最適CPモデルパラメータの同定に最適化(BO)を用いる頑健な手法を提案する。
  論文  参考訳（メタデータ） (2024-12-06T15:46:37Z)
• Neural Network Surrogate and Projected Gradient Descent for Fast and Reliable Finite Element Model Calibration: a Case Study on an Intervertebral Disc [9.456474817418703]
  そこで本研究では,L4-L5 IVD FEモデルを用いた新しい,効率的かつ効果的なキャリブレーション手法を提案する。 NNサロゲートは、シミュレーション結果を高精度に予測し、他の機械学習モデルより優れ、計算コストを大幅に削減する。 このような効率性は、より複雑なFEモデルを適用する方法となり、IVDを超えて拡張される可能性がある。
  論文  参考訳（メタデータ） (2024-08-12T11:39:21Z)
• 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)
• Graph Neural Networks for Carbon Dioxide Adsorption Prediction in Aluminium-Exchanged Zeolites [3.909855210960908]
  分子シミュレーションと比較して吸着特性が4～5桁高速なモデルを提案する。 機械学習モデルから得られた予測はモンテカルロシミュレーションから得られた値と一致している。 このモデルは, 吸着部位の同定に有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-19T11:49:08Z)
• 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)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
  Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。 近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。 本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T18:43:21Z)
• 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)
• Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
  関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。 このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
  論文  参考訳（メタデータ） (2022-08-10T19:17:45Z)
• Generic Lithography Modeling with Dual-band Optics-Inspired Neural Networks [52.200624127512874]
  我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。 提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。 また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
  論文  参考訳（メタデータ） (2022-03-12T08:08:50Z)
• 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。