Zum Inhalt

Promotionsvortrag von Evelin Lienau

Beginn: Ende: Veranstaltungsort: AV-Raum + ZOOM
Veran­stal­tungs­art:
  • Verteidigung

Application of Machine Learning in Glow Curve Deconvolution

Das Ziel der Routinedosimetrie ist die Abschätzung der Strahlendosis von beruflich strahlenexponierten Personen für ein Überwachungsintervall von einem Monat. Das Materialprüfungsamt NRW (MPA NRW) verwendet ein Thermolumineszenz (TL)-Dosimeter auf der Basis von LiF:Mg,Ti (TL-DOS). Beim Einsatz eines TL-Dosimeters kommt es durch thermisches Fading zu einem zeitabhängigen Signalverlust. Diese Signaländerung wird genutzt, um über die Dosisabschätzung hinaus Informationen über das Bestrahlungsereignis zu gewinnen, die dazu beitragen können, das Strahlenschutzkonzept für beruflich strahlenexponierte Personen zu verbessern. In dieser Arbeit werden multivariate Analyseverfahren für die Glühkurvenanalyse unter Verwendung von Deep-Learning-Ansätzen entwickelt, um den Bestrahlungstag innerhalb eines Überwachungsintervalls von 40 Tagen bei Einzeldosisbestrahlungen mit einer Cs-137-Quelle mit einer Vorhersageunsicherheit von zwei Tagen abzuschätzen. Um eine Datenbasis für das Training eines Deep-Learning-Ansatzes zu schaffen, wurden über 10 000 Messungen in Zusammenarbeit mit dem MPA NRW und dem TL-DOS Projekt durchgeführt. Darüber hinaus wird ein Verfahren zur Generation realistischer Glühkurven auf Basis generative adversarial networks (GANs) vorgestellt, das es ermöglicht, den gemessenen Datensatz künstlich zu erweitern und damit eine größere Datengrundlage für die Deep-Learning-Ansätze zu schaffen.