KR20210065595A - 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법 - Google Patents

기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법 Download PDF

Info

Publication number
KR20210065595A
KR20210065595A KR1020190154535A KR20190154535A KR20210065595A KR 20210065595 A KR20210065595 A KR 20210065595A KR 1020190154535 A KR1020190154535 A KR 1020190154535A KR 20190154535 A KR20190154535 A KR 20190154535A KR 20210065595 A KR20210065595 A KR 20210065595A
Authority
KR
South Korea
Prior art keywords
source
time
machine learning
distribution
movement path
Prior art date
Application number
KR1020190154535A
Other languages
English (en)
Other versions
KR102273576B1 (ko
Inventor
정재필
Original Assignee
정재필
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 정재필 filed Critical 정재필
Priority to KR1020190154535A priority Critical patent/KR102273576B1/ko
Priority to PCT/KR2020/016434 priority patent/WO2021107509A1/ko
Publication of KR20210065595A publication Critical patent/KR20210065595A/ko
Application granted granted Critical
Publication of KR102273576B1 publication Critical patent/KR102273576B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources

Abstract

본 발명은 기계학습 기반 3차원 공간상 선원(광원, 전기, 자기, 방사선)의 분포 및 이동 경로 예측 시스템과 그 방법에 관한 것으로서, 특히 3차원 공간상에서 선원을 이동시키면서 선원의 시간별 위치정보 및 선원 정보를 획득함과 아울러 복수의 디텍터(detector)에 의해 시간별 반응신호 들의 데이터 집합을 획득하고, 선원의 시간별 위치정보 및 선원 정보를 인공신경망의 출력노드에 입력하고 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습 시킨 후, 임의의 단일 선원의 시간별 학습데이터들을 반복적으로 선택하여 중첩시킴으로써 다중 선원 분포를 예측하고, 기계학습 된 인공 신경망에 복수의 디텍터로부터의 시간별 반응신호 들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하는, 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법에 관한 것이다.

Description

기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법{SYSTEM AND METHOD FOR PREDICTING DISTRIBUTION AND MOVING PATH OF SOURCES IN 3D SPACE BASED ON MACHINE LEARNING}
본 발명은 기계학습 기반 3차원 공간상 선원(광원, 전기, 자기, 방사선)의 분포 및 이동 경로 예측 시스템과 그 방법에 관한 것으로서, 특히 3차원 공간상에서 선원을 이동시키면서 선원의 시간별 위치정보 및 선원 정보를 획득함과 아울러 복수의 디텍터(detector)에 의해 시간별 반응신호 들의 데이터 집합을 획득하고, 선원의 시간별 위치정보 및 선원 정보를 인공신경망의 출력노드에 입력하고 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습 시킨 후, 임의의 단일 선원의 시간별 학습데이터들을 반복적으로 선택하여 중첩시킴으로써 다중 선원 분포를 예측하고, 기계학습 된 인공 신경망에 복수의 디텍터로부터의 시간별 반응신호 들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하는, 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법에 관한 것이다.
일반적으로, 선원은 방사선, 광원, 전기, 자기 등을 말한다. 방사선의 이용 분야는 의료, 산업, 교육, 공공, 군사 분야 등 많은 분야에서 사용되고 있는 반면, 방사선원에 의한 사고사례는 국내외에서 꾸준히 발생하고 있다.
특히, 의료분야에서는 방사선치료에서의 방사선 과잉 조사에 의한 사고가 대부분을 차지하며 환자의 사망과 환자 및 의료진의 과피폭이 대부분을 차지한다. 의료피폭의 세부적인 원인으로는 선량단위의 오인, 선량계산의 착오, 광자와 전자선을 착각한 잘못된 조사, 방사성동위원소의 과잉투여, 선원을 몸속에 두고 잊어버리는 일 등이다.
방사선 비파괴조사 분야에서는 공업용 조사선원의 사용 또는 수리, 공업용 감마선사진 촬영 과정, 및 방사선원의 관리 부실에 의한 사고가 주로 발생한다. 작업자뿐 아니라 방사선원과는 아무런 관련이 없는 불특정 다수의 사람이 사망이나 신체절단, 피부손상 등의 인명피해로 이어지는 경우가 많다.
국내 특허 등록 제1677172호 공보(이하, 선행기술이라 함)에는 피사체를 투과한 방사선을 흡수하여 전하를 생성하는 광도전층과, 상기 광도전층 상에 형성되는 상부전극과, 상기 상부전극에 전기적으로 연결되어 상기 광도전층에서 발생되는 전류를 계측하고, 상기 전류에 대응하여 방사선의 조사량을 제어하는 제어신호를 발생시키는 자동노출제어부를 포함하는 방사선 디텍터가 개시되어 있다.
그러나 상기 선행기술은 검진자의 피폭선량을 감소시키고 촬영시간을 단축시킬 수 있는 장점이 있지만, 방사선원의 위치 및 분포를 파악할 수 없다는 문제점이 있었다.
국내 특허 등록 제1677172호 공보(발명의 명칭 : 방사선 디텍터와 이를 포함하는 방사선 촬영장치, 그 자동노출제어방법 및 방사선 촬영방법)
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 이루어진 것으로서, 본 발명의 목적은 다중 선원 분포에 대한 예측과 선원의 이동경로 예측을 비교적 단순하고 정확하게 수행할 수 있게 하는, 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법을 제공하는 데에 있다.
상기의 목적을 달성하기 위해, 본 발명의 일 실시형태에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템은 선원을 장착하고 있으며, 해당 선원을 3차원 공간상에서 이동시키면서 선원의 시간별 위치 정보 및 선원 정보를 획득하도록 구성된 이동형 선원 장치; 3차원 공간상에 복수개 설치되어 상기 선원의 시간별 반응신호들의 데이터 집합을 획득하도록 구성된 복수의 디텍터; 상기 이동형 선원 장치로부터 선원의 시간별 위치 정보 및 선원 정보를 수집함과 아울러 상기 복수의 디텍터로부터 상기 선원의 시간별 반응신호들의 데이터 집합을 수집하도록 구성된 데이터 수집부; 수집된 상기 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력노드에 입력하고 수집된 상기 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습 시키도록 구성된 기계학습부; 상기 기계학습부로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측하도록 구성된 다중 선원 분포 예측부; 및 상기 기계학습부의 기계학습 된 인공신경망에 상기 디텍터로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하도록 구성된 선원 이동경로 예측부;를 포함하는 것을 특징으로 한다.
상기 일실시 형태에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템에 있어서, 상기 선원은 광원, 전기, 자기 및 방사선을 포함할 수 있다.
상기 일실시 형태에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템에 있어서, 상기 선원 정보는 에너지, 강도, 입자 종류를 포함할 수 있다.
상기의 목적을 달성하기 위해, 본 발명의 다른 실시형태에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 방법은 이동형 선원 장치가 3차원 공간상에서 이동하면서 선원의 시간별 위치 정보 및 선원 정보를 획득함과 아울러, 복수의 디텍터가 상기 선원의 시간별 반응신호들의 데이터 집합을 획득하는 단계; 데이터 수집부가 상기 이동형 선원 장치로부터 선원의 시간별 위치 정보 및 선원 정보를 수집함과 아울러 상기 디텍터로부터 상기 선원의 시간별 반응신호들의 데이터 집합을 수집하는 단계; 기계학습부가 수집된 상기 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력노드에 입력하고 수집된 상기 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습시키는 단계; 다중 선원 분포 예측부가 상기 기계학습부로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측하는 단계; 및 선원 이동경로 예측부가 상기 기계학습부의 기계학습 된 인공신경망에 상기 디텍터로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하는 단계;를 포함하는 것을 특징으로 한다.
본 발명의 실시형태들에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템 및 그 방법에 의하면, 이동형 선원 장치가 3차원 공간상에서 이동하면서 선원의 시간별 위치 정보 및 선원 정보를 획득함과 아울러, 복수의 디텍터가 상기 선원의 시간별 반응신호들의 데이터 집합을 획득하고; 데이터 수집부가 상기 이동형 선원 장치로부터 선원의 시간별 위치 정보 및 선원 정보를 수집함과 아울러 상기 디텍터로부터 상기 선원의 시간별 반응신호들의 데이터 집합을 수집하며; 기계학습부가 수집된 상기 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력노드에 입력하고 수집된 상기 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습시키며; 다중 선원 분포 예측부가 상기 기계학습부로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측하며; 선원 이동경로 예측부가 상기 기계학습부의 기계학습 된 인공신경망에 상기 디텍터로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하도록 구성됨으로써, 다중 선원 분포에 대한 예측과 선원의 이동경로 예측을 비교적 단순하고 정확하게 수행할 수 있게 한다는 뛰어난 효과가 있다.
도 1은 본 발명의 실시예에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템의 블록 구성도이다.
도 2는 도 1의 이동형 선원 장치가 이동함에 따라 디텍터별 데이터 수집과정에 대한 2차원적 예시(a) 및 3차원적 예시(b)를 나타낸 도면이다.
도 3은 도 1에서 데이터 수집부가 수집하는 선원의 시간별 위치 정보 및 선원 정보와, 선원의 시간별 반응신호들의 데이터 집합을 나타낸 도면이다.
도 4는 도 1의 기계 학습부에서 이용하는 인공신경망을 나타낸 도면이다.
도 5는 도 1의 다중 선원 분포 예측부에서 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 과정을 나타낸 도면이다.
도 6은 도 1의 선원 이동경로 예측부에서 선원에 대한 이동경로를 예측하는 과정을 나타낸 도면이다.
도 7은 본 발명의 실시예에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 방법을 설명하기 위한 플로우챠트이다.
본 발명의 실시예를 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예를 기술하기 위한 것이며, 결코 제한적으로 해석되어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하는 것으로 해석되어서는 안 된다.
도면에서 도시된 각 시스템에서, 몇몇 경우에서의 요소는 각각 동일한 참조 번호 또는 상이한 참조 번호를 가져서 표현된 요소가 상이하거나 유사할 수가 있음을 시사할 수 있다. 그러나 요소는 상이한 구현을 가지고 본 명세서에서 보여지거나 기술된 시스템 중 몇몇 또는 전부와 작동할 수 있다. 도면에서 도시된 다양한 요소는 동일하거나 상이할 수 있다. 어느 것이 제1 요소로 지칭되는지 및 어느 것이 제2 요소로 불리는지는 임의적이다.
본 명세서에서 어느 하나의 구성요소가 다른 구성요소로 자료 또는 신호를 '전송', '전달' 또는 '제공'한다 함은 어느 한 구성요소가 다른 구성요소로 직접 자료 또는 신호를 전송하는 것은 물론, 적어도 하나의 또 다른 구성요소를 통하여 자료 또는 신호를 다른 구성요소로 전송하는 것을 포함한다.
이하, 본 발명의 실시예를 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템의 블록 구성도이다.
본 발명의 실시예에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템은, 도 1에 도시된 바와 같이, 이동형 선원 장치(100), 복수의 디텍터(110), 데이터 수집부(200), 기계 학습부(300), 다중 선원 분포 예측부(400) 및 선원 이동경로 예측부(500)를 포함한다.
이동형 선원 장치(100)는 광원, 전기, 자기 및 방사선을 포함하는 선원을 장착하고 있으며, 선원을 3차원 공간상에서 이동시키면서 선원의 시간별 위치 정보 및 선원 정보를 획득하는 역할을 한다. 도 2에는 이동형 선원 장치(100)에 의해 선원이 이동하는 경로를 나타낸다.
복수의 디텍터(110)는 3차원 공간상에 복수개 설치되어 선원의 시간별 반응신호들의 데이터 집합을 획득하는 역할을 한다. 도 2의 (a)에는 디텍터(110)의 설치 위치와 디텍터(110)별 데이터 수집과정에 대한 2차원적 예시를 나타내고, 도 2의 (b)에는 디텍터(110)별 데이터 수집과정에 대한 3차원적 예시를 나타낸다.
데이터 수집부(200)는 이동형 선원 장치(100)로부터 선원의 시간별 위치 정보 및 선원 정보를 수집함과 아울러 복수의 디텍터(110)로부터 선원의 시간별 반응신호들의 데이터 집합을 수집하여 기계 학습부(300)에 제공하는 역할을 한다.
도 3에는 데이터 수집부(200)가 수집하는 선원의 시간별 위치 정보 및 선원 정보와, 선원의 시간별 반응신호들의 데이터 집합이 도시되어 있다. 여기서, f는 시간(t)에서의 선원의 정보(S)와 공간상 위치 정보(
Figure pat00001
,
Figure pat00002
,…
Figure pat00003
)가 입력된 함수이고, R은 시간(t)에서의 디텍터(
Figure pat00004
)(110)에서 반응한 신호들의 데이터 집합이다. 선원의 정보(S)에는 에너지, 강도, 입자의 종류 등의 여러 정보가 포함될 수 있다.
기계학습부(300)는 데이터 수집부(200)로부터 수집된 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력노드에 입력하고, 수집된 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습 시키는 역할을 한다.
도 4는 기계 학습부(300)에서 이용하는 인공신경망을 나타낸 도면이다. 여기서 인공신경망의 출력노드에는 시간(t)에서의 공간상 위치 정보(
Figure pat00005
,
Figure pat00006
,…
Figure pat00007
) 및 선원의 정보(S)가 입력되고, 인공신경망의 입력노드에는 시간(t)에서의 디텍터(110)에서 반응한 신호들의 데이터 집합 R(
Figure pat00008
)이 입력된다.
다중 선원 분포 예측부(400)는 기계학습부(300)로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측하는 역할을 한다.
도 5는 다중 선원 분포 예측부(400)에서 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 과정을 나타낸 도면이다. 시간(t)이 1, 300, 500일 때(도 5의 a 참조)의 학습데이터를 선택하여[도 5의 b 참조, 여기서는 3개의 학습데이터(즉, 청색, 흑색, 적색의 곡선)], 중첩시키면 도 5의 (c) 곡선이 획득된다. 이와 같은 학습 데이터의 중첩을 반복할 경우, 직접 실험을 하지 않고도 다수의 선원이 존재할 경우 그 학습결과를 통하여 선원의 위치 및 세기를 예측할 수 있다.
선원 이동경로 예측부(500)는 기계학습부(300)의 기계학습 된 인공신경망에 디텍터(110)로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하는 역할을 한다.
도 6은 도 1의 선원 이동경로 예측부에서 선원에 대한 이동경로를 예측하는 과정을 나타낸 도면이다. 도 6에는 시간(t=1, 2, 3, 4)의 이동정보로부터 미래 시간(t=5)에서의 선원의 위치와 이동경로를 예측하여 나타낸 2차원 도면(도 6의 a) 및 3차원 도면(b)을 나타낸다.
상기와 같이 구성된 본 발명의 실시예에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템을 이용한 선원의 분포 및 이동 경로 예측 방법에 대해 도면을 참조하여 설명하기로 한다.
도 7은 본 발명의 실시예에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 방법을 설명하기 위한 플로우챠트로서, 여기서 S는 스텝(step)을 의미한다.
먼저, 이동형 선원 장치(100)가 3차원 공간상에서 이동하면서(S10), 선원의 시간별 위치 정보 및 선원 정보를 획득한다(S20).
이때, 복수의 디텍터(110)가 선원의 시간별 반응신호들의 데이터 집합을 획득한다(S30).
이어서, 데이터 수집부(200)가 스텝(S20)에서 획득된 선원의 시간별 위치 정보 및 선원 정보를 이동형 선원 장치(100)로부터 수집함과 아울러 스텝(S30)에서 획득된 선원의 시간별 반응신호들의 데이터 집합을 디텍터(110)로부터 수집한다(S40).
다음, 기계학습부(300)가 스텝(S40)에서 수집된 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력노드에 입력하고, 수집된 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습시킨다(S50).
이어서, 다중 선원 분포 예측부(400)가 기계학습부(300)로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측한다(S60).
이후, 선원 이동경로 예측부(500)가 기계학습부(300)의 기계학습 된 인공신경망에 디텍터(110)로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측한다(S70).
본 발명의 실시예에 의한 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템 및 그 방법에 의하면, 이동형 선원 장치가 3차원 공간상에서 이동하면서 선원의 시간별 위치 정보 및 선원 정보를 획득함과 아울러, 복수의 디텍터가 상기 선원의 시간별 반응신호들의 데이터 집합을 획득하고; 데이터 수집부가 상기 이동형 선원 장치로부터 선원의 시간별 위치 정보 및 선원 정보를 수집함과 아울러 상기 디텍터로부터 상기 선원의 시간별 반응신호들의 데이터 집합을 수집하며; 기계학습부가 수집된 상기 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력노드에 입력하고 수집된 상기 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습시키며; 다중 선원 분포 예측부가 상기 기계학습부로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측하며; 선원 이동경로 예측부가 상기 기계학습부의 기계학습 된 인공신경망에 상기 디텍터로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하도록 구성됨으로써, 다중 선원 분포에 대한 예측과 선원의 이동경로 예측을 비교적 단순하고 정확하게 수행할 수 있게 한다는 뛰어난 효과가 있다.
도면과 명세서에는 최적의 실시예가 개시되었으며, 특정한 용어들이 사용되었으나 이는 단지 본 발명의 실시형태를 설명하기 위한 목적으로 사용된 것이지 의미를 한정하거나 특허 청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100: 이동형 선원 장치
110: 디텍터
200: 데이터 수집부
300: 기계 학습부
400: 다중 선원 분포 예측부
500: 선원 이동경로 예측부

Claims (6)

  1. 선원을 장착하고 있으며, 해당 선원을 3차원 공간상에서 이동시키면서 선원의 시간별 위치 정보 및 선원 정보를 획득하도록 구성된 이동형 선원 장치;
    3차원 공간상에 복수개 설치되어 상기 선원의 시간별 반응신호들의 데이터 집합을 획득하도록 구성된 복수의 디텍터;
    상기 이동형 선원 장치로부터 선원의 시간별 위치 정보 및 선원 정보를 수집함과 아울러 상기 복수의 디텍터로부터 상기 선원의 시간별 반응신호들의 데이터 집합을 수집하도록 구성된 데이터 수집부;
    수집된 상기 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력 노드에 입력하고 수집된 상기 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습 시키도록 구성된 기계학습부;
    상기 기계학습부로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측하도록 구성된 다중 선원 분포 예측부; 및
    상기 기계학습부의 기계학습 된 인공신경망에 상기 디텍터로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하도록 구성된 선원 이동경로 예측부;를 포함하는 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템.
  2. 제 1 항에 있어서,
    상기 선원은 광원, 전기, 자기 및 방사선을 포함하는 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템.
  3. 제 1 항에 있어서,
    상기 선원 정보는 에너지, 강도, 입자 종류를 포함하는 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템.
  4. 제 1 항에 기재된 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템을 이용한 선원의 분포 및 이동 경로 예측 방법으로서,
    이동형 선원 장치가 3차원 공간상에서 이동하면서 선원의 시간별 위치 정보 및 선원 정보를 획득함과 아울러, 복수의 디텍터가 상기 선원의 시간별 반응신호들의 데이터 집합을 획득하는 단계;
    데이터 수집부가 상기 이동형 선원 장치로부터 선원의 시간별 위치 정보 및 선원 정보를 수집함과 아울러 상기 디텍터로부터 상기 선원의 시간별 반응신호들의 데이터 집합을 수집하는 단계;
    기계학습부가 수집된 상기 선원의 시간별 위치 정보 및 선원 정보를 인공신경망의 출력노드에 입력하고 수집된 상기 선원의 시간별 반응신호들의 데이터 집합을 입력노드에 입력시켜 기계학습시키는 단계;
    다중 선원 분포 예측부가 상기 기계학습부로부터 설정된 개수의 단일 선원의 시간별 학습데이터를 선택하여 중첩시키는 것을 반복적으로 수행하여 다중 선원의 분포를 예측하는 단계; 및
    선원 이동경로 예측부가 상기 기계학습부의 기계학습 된 인공신경망에 상기 디텍터로부터의 시간별 반응신호들의 데이터 집합을 입력시켜 선원에 대한 이동경로를 예측하는 단계;를 포함하는 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 방법.
  5. 제 4 항에 있어서,
    상기 선원은 광원, 전기, 자기 및 방사선을 포함하는 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 방법.
  6. 제 4 항에 있어서,
    상기 선원 정보는 에너지, 강도, 입자의 종류를 포함하는 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 방법.
KR1020190154535A 2019-11-27 2019-11-27 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법 KR102273576B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190154535A KR102273576B1 (ko) 2019-11-27 2019-11-27 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법
PCT/KR2020/016434 WO2021107509A1 (ko) 2019-11-27 2020-11-20 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190154535A KR102273576B1 (ko) 2019-11-27 2019-11-27 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법

Publications (2)

Publication Number Publication Date
KR20210065595A true KR20210065595A (ko) 2021-06-04
KR102273576B1 KR102273576B1 (ko) 2021-07-06

Family

ID=76130345

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190154535A KR102273576B1 (ko) 2019-11-27 2019-11-27 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법

Country Status (2)

Country Link
KR (1) KR102273576B1 (ko)
WO (1) WO2021107509A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120119158A (ko) * 2011-04-20 2012-10-30 국방과학연구소 다층구조의 방사선 차폐체 및 이의 제조방법
KR101677172B1 (ko) 2015-04-06 2016-11-17 주식회사 디알텍 방사선 디텍터와 이를 포함하는 방사선 촬영장치, 그 자동노출제어방법 및 방사선 촬영방법
JP2016223876A (ja) * 2015-05-29 2016-12-28 東京電力ホールディングス株式会社 線量予測装置、線量予測方法及び線量予測プログラム
KR20190074817A (ko) * 2017-12-20 2019-06-28 서강대학교산학협력단 군집화와 딥러닝을 이용한 멀티플렉싱 신호 처리 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5839280B2 (ja) * 2012-03-21 2016-01-06 清水建設株式会社 ３次元線量評価マッピングシステム及びその方法
JP6215530B2 (ja) * 2012-12-26 2017-10-18 中部電力株式会社 放射線の表示方法、放射線表示装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120119158A (ko) * 2011-04-20 2012-10-30 국방과학연구소 다층구조의 방사선 차폐체 및 이의 제조방법
KR101677172B1 (ko) 2015-04-06 2016-11-17 주식회사 디알텍 방사선 디텍터와 이를 포함하는 방사선 촬영장치, 그 자동노출제어방법 및 방사선 촬영방법
JP2016223876A (ja) * 2015-05-29 2016-12-28 東京電力ホールディングス株式会社 線量予測装置、線量予測方法及び線量予測プログラム
KR20190074817A (ko) * 2017-12-20 2019-06-28 서강대학교산학협력단 군집화와 딥러닝을 이용한 멀티플렉싱 신호 처리 장치 및 방법

Also Published As

Publication number Publication date
WO2021107509A1 (ko) 2021-06-03
KR102273576B1 (ko) 2021-07-06

Similar Documents

Publication Publication Date Title
CN109507710B (zh) 核电站辐射监测方法、装置、计算机设备及存储介质
CN109937012A (zh) 为成像***选择采集参数
US20080302967A1 (en) Tracking of moving radioactive sources
US9668707B2 (en) Mobile radiation imaging apparatus, method for controlling mobile radiation imaging apparatus, and storage medium
CN104135930A (zh) 利用感兴趣组织谱成像和跟踪进行的自适应放射治疗
US10398400B2 (en) Radiographic imaging apparatus and method for controlling the same
KR102273576B1 (ko) 기계학습 기반 3차원 공간상 선원의 분포 및 이동 경로 예측 시스템과 그 방법
DE112018002090T5 (de) Strahlungsbildgebungsvorrichtung, Strahlungsbildgebungssystem, Strahlungsbildgebungsverfahren und Programm
Bouville et al. Guidelines for exposure assessment in health risk studies following a nuclear reactor accident
CN106290423B (zh) 用于扫描成像的方法、装置以及***
CN114299547A (zh) 一种目标对象所处区域确定方法和***
King et al. An urban environment simulation framework for evaluating novel distributed radiation detection architectures
Turtiainen et al. CCTV-Exposure: System for measuring user’s privacy exposure to CCTV cameras
Lazo et al. The state of radiological protection; views of the radiation protection profession: IRPA13, Glasgow, May 2012
JP7192416B2 (ja) 運用管理システム、移動型放射線発生装置及び移動型放射線撮影システム
Rühm et al. EURADOS Stakeholder Workshop on June 30th, 2016
Schoepff et al. BOOSTER: Development of a toolbox for triage of large groups of individuals exposed to radioactive material
Sato et al. Detailed visualization of radioactive hotspots inside the unit 1 reactor building of the Fukushima Daiichi Nuclear Power Station using an integrated Radiation Imaging System mounted on a Mecanum wheel robot
CN109709516A (zh) 一种红外传感定位方法、装置、***、存储介质
JENKINS et al. Deciding to design better user interfaces
KR101964003B1 (ko) 멀티형 직교 센서를 이용한 방사선원 위치 검증 및 방사선량 분포 검출 장치 및 방법
Linton The national council on radiation protection and measurements: A growing structure
JP4389645B2 (ja) 複合型放射線撮像システム
Ateba et al. Operational measures taken for the authorization of X-ray generators used in the medical sector in Cameroon
Abratenko et al. First search for dark-trident processes using the MicroBooNE detector

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant