radiation doses for workers and significantly degrade the imaging performance of radiation imaging equipment. Firstly, the unknown location of radioactive sources leads to inaccurate dose estimations based on the shape and direction of the detector using conventional G(E) function. Therefore, this study proposes a method that utilizes multiple G(E) functions to achieve more accurate dose estimations. The investigation demonstrates that the proposed partitioned G(E) functions improve dose estimation accuracy by more than 1.5 times compared to conventional G(E) function when the distribution of radioactive sources is unknown. Furthermore, while conventional G(E) functions produce large errors in specific directions or energy ranges, the proposed partitioned G(E) functions provide dose estimations with uniform errors. Additionally, signals outside the Field of View (FOV) create significant artifacts in radiation imaging, making it difficult to estimate hotspots. To address this, we employs 3D-Unet to separate and reconstruct clear hotspots by extracting coded signals without the need for additional structures. Although the proposed method exhibits slightly lower performance compared to the Anti-mask method at high-energy gamma rays, it possesses the advantage of avoiding false hotspot estimations.
높은 백그라운드 방사선 환경은 작업자의 정확한 선량 추정을 어렵게 하며, 방사선 이미징 장비의 이미징 성능을 크게 저하시킨다. 첫째로, 알려지지 않은 방사선원의 위치는 감지기의 형태와 방향에 따라 기존의 G함수는 부정확한 선량을 추정합니다. 따라서 이 연구에서는 다수의 G함수를 사용하여 보다 정확한 선량 추정이 가능한 방법을 제안합니다. 조사 결과 방사선원의 분포가 알려지지 않은 경우 제안하는 분할된 G함수는 기존의 G함수 보다 1.5배 이상의 선량 추정 정확도를 향상시켰습니다. 또한 기존의 G함수는 특정방향 또는 에너지 범위에서 큰 오차로 선량을 추정하지만 제안하는 분할된 G함수는 균일한 오차로 선량을 추정합니다. 또한 관심 영역 밖의 신호는 방사선 이미징에 큰 아티팩트를 만들어 핫 스팟을 추정하기 어렵게 합니다. 따라서 3D-Unet을 이용한 암호화된 신호만을 분리하여 추가적인 구조체 없이 뚜렷한 핫 스팟을 재건하였습니다. 높은 에너지의 감마선이 입사하는 경우 제안하는 방법이 Anti-mask 방법보다 다소 낮은 성능을 보이지만, 잘못된 핫 스팟을 추정하지 않는다는 강점이 있습니다.
