KR20090101380A - 스펙트럼 분석을 위한 첨단 패턴 인식 시스템 - Google Patents

스펙트럼 분석을 위한 첨단 패턴 인식 시스템 Download PDF

Info

Publication number
KR20090101380A
KR20090101380A KR1020097016976A KR20097016976A KR20090101380A KR 20090101380 A KR20090101380 A KR 20090101380A KR 1020097016976 A KR1020097016976 A KR 1020097016976A KR 20097016976 A KR20097016976 A KR 20097016976A KR 20090101380 A KR20090101380 A KR 20090101380A
Authority
KR
South Korea
Prior art keywords
spectrum
spectra
compton scattering
noise
curve fitting
Prior art date
Application number
KR1020097016976A
Other languages
English (en)
Inventor
에이치. 제이. 콜필드
다비드 엘. 프랑크
제이미 엘. 세터
Original Assignee
이노베이티브 어메리컨 테크널로지, 인크.
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 이노베이티브 어메리컨 테크널로지, 인크. filed Critical 이노베이티브 어메리컨 테크널로지, 인크.
Publication of KR20090101380A publication Critical patent/KR20090101380A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/16—Measuring radiation intensity
    • G01T1/161—Applications in the field of nuclear medicine, e.g. in vivo counting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Measurement Of Radiation (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

스펙트럼 데이터의 신속하고도 고도로 정확한 분석의 공정은 패턴 인식을 위한 선형 스캐닝(LINSCAN) 방법 및 첨단 최대치 검출 방법 양쪽 모두를 포함한다. 상기 방법들 중 하나 또는 양쪽 모두는 화학, 생물, 방사선, 핵 및 폭발성 물질들의 검출 및 식별을 지원하는데 이용된다. 다양한 표적들의 스펙트럼들은 상기 2 가지 스펙트럼 분석 방법에 의하여 분석될 수 있다. 이러한 2 가지 방법들은 이중 확인 및 더 높은 정확성을 위하여, 그리고 어느 한 가지만으로 생길 수 있는 것에 대하여 가양성들 및 가음성들을 감소시키기 위하여 조합될 수 있다.
첨단 최대치 검출 방법, 선형 스캐닝(LINSCAN), 스펙트럼 분석, 콤프턴 산란, 역치

Description

스펙트럼 분석을 위한 첨단 패턴 인식 시스템{ADVANCED PATTERN RECOGNITION SYSTEMS FOR SPECTRAL ANALYSIS}
본 발명은 화학, 생물, 방사성, 핵 및 폭발성 물질들을 포함한 유해한 표적 물질의 검출 및 식별을 위한 시스템 및 방법에 관한 것으로서, 특히, 화학, 생물, 방사성, 핵 및 폭발성 물질들에 대한 복잡한 스펙트럼들 또는 스펙트럼들을 활용한 임의의 다른 유형의 표적 탐색(예, 신호 대 에너지, 신호 대 파장 등)을 분석하여 표적 물질들의 검출 및 식별을 위한 시스템 및 방법에 관한 것이다.
화학, 생물, 방사성, 핵 및 폭발성 물질들에 대한 복잡한 스펙트럼들 또는 스펙트럼들을 활용한 임의의 다른 유형의 표적 탐색을 분석하는 최근의 시도는 국가 안보 및 생물적 시험과 같은 다양한 응용에 필요한 미량에 대한 신속하고도 고도로 정확한 검출, 식별 및/또는 정량화를 이룰 수 없다. 수많은 패턴 인식 시스템들이 실험실 환경에서 주어진 충분하고도 정교한 데이터의 식별을 수행할 수 있는 반면에, 광범위한 스펙트럼 간섭을 지닌 복잡한 환경에서 수행할 수 있는 능력은 어려운 작업이다. 화물에 존재하는 방사성 물질의 검출, 식별 및 검증 그리고, 명백하게 유해하거나 불법적인 방사성 화물을 포함하여 자연 발생적 방사성 물질(NORM) 사이를 구별하는 능력이 현재 그러한 문제점들의 예이다. 다른 예는 극소 량이라도 치명적일 수 있는 생물적 위협을 검출하고 식별하는 능력이다.
따라서, 상기와 같은 종래 기술이 가진 문제점들의 극복에 대한 요구가 존재한다.
스펙트럼 데이터의 신속하고도 고도로 정확한 분석을 달성하기 위하여, 패턴 인식을 위한 선형 스캐닝(LINSCAN) 방법 및 첨단 최대치(peak) 검출 방법이 본 명세서에 제공된다. 본 발명의 다른 실시예에 따라, 상기 패턴 인식 공정들의 하나 또는 양쪽 모두가 화학, 생물, 방사선, 핵 및 폭발성 물질들의 가능하다면 어디서나 검출 및 식별을 지원하기 위한 시스템에 이용된다. 상기 스펙트럼들은 이러한 다양한 표적들에 대하여 다양하며(화학 및 생물 물질에 대해 가장 흔한 적외선) 방사성 표적들에 대하여는 감마선이다. 본 발명의 다른 실시예들은 임의의 스펙트럼, 예컨대, 초음파를 분석하는 하나 이상의 이러한 공정들을 적용한다.
본 발명의 일 실시예에 따라, 상기 2 가지 스펙트럼 분석 방법들은 이중 확인 및 더 높은 정확성 위하여, 그리고 어느 한 가지 방법만으로 발생할 수 있는 가양성들 및 가음성들을 감소시키기 위하여 조합된다.
또한, 이러한 패턴 인식 방법들의 사용은 스펙트럼들의 자기 상관 및 상호 상관의 사용을 제시한다. 사용된 스펙트럼들은 상기 표적 물질들 및 예상되는 배후(백색 및 유색)를 제시하여야 한다. 상기 LINSCAN 방법에 있어서, 그러한 스펙트럼들은(바람직하게는, 예상되는 백색 및 유색 노이즈 스펙트럼들을 포함) 그 자체로 단순히 하이퍼스페이스에서 비음수들의 벡터들(측정된 각각의 스펙트럼 빈에 대한 어느 하나)이다. 그러한 벡터들은 용이하게 직교정규화(orthonormalized)될 수 있다. 즉, 각 물질에 대해 각각의 빈에 대한 새로운 슈도스펙트럼(pseudospectrum)(양 또는 음의 실수로서) 수치들 및 배후의 양쪽 타입들은 다른 모든 감마선 스펙트럼들의 예상되는 스펙트럼들과 어느 교차 상관이 0인지를 사전에 계산할 수 있다. 측정된 스펙트럼을 상기 슈도스펙트럼과 상관하게 되면 존재하는 표적 물질의 양에 비례하는 숫자를 생성하게 될 것이다. 첨단 최대치 검출 방법(APD)은 스펙트럼 분석을 위한 별개 방법을 제공하며 LINSCAN의 결과들을 검증하는데 사용될 수 있다.
다른 실시예에서, 전개된 제1 방법은 가음성 결과들을 감소시키는데 집중될 수 있는 반면에, 전개된 제2 방법은 가양성 결과들도 감소시켜, 가양성 및 가음성을 크게 감소시킨 전체 반응을 제공하게 된다.
특정한 응용에서, 화학, 생물, 방사성, 핵 및 폭발성 물질들의 검출, 식별 및 정량화에 제공되는 스펙트럼들은 표적 물질들(관심의 대상이 되는 물질들의 목록의 부재들), 미지 기원의 배후 노이즈 및 관심의 대상이 되는 물질들의 목록상에 존재하지 않는 다른 물질들의 복잡한 조합으로부터 유래한다.
또한, 동위원소(방사성) 검출 및 식별과 같은 일부의 경우에 있어서, 크레이트(crate) 또는 트럭과 같은 물리적 대상물들은 그러한 대상물들이 존재하지 않았다면 검출되었을 배후 방사선을 흡수할 수 있다. 본 발명의 패턴 인식 방법들의 사용의 예로서, 상기 표적 물질들 중 임의의 것이 존재하는지 여부를 결정하고 미지의 물질들의 존재 및 파악된 배후 문제들에도 불구하고, 0-차폐 가정에 기반한 물질들의 근사량을 결정하는 감마선 스펙트럼의 검출 및 식별이 있다. 물론, 차폐의 성질 및 양이 주로 미지이기 때문에, 이러한 방법들(또는 임의의 다른 방법)이 표시할 수 있는 것보다 더 많은 방사성 물질이 존재할 수 있다.
본 발명의 다른 실시예에 따르면, 2차 물질들의 유무 검출은 표적 물질들의 식별에 이용된다. 2차 식별의 예들은 다음과 같다. 탄저병에 대한 적외선 탐색을 위해, 탄저병을 무기화하는데 사용되는 것으로 알려진 미량의 화학물질의 존재하에 탄저병 종의 식별은 유해한 물질을 구별할 수 있다. 다른 예는 물질의 정체성이 감마선 스펙트럼에 의하여 풀리지 않는 경우에 추가적인 식별을 제공하는 알파 방사선 및 중성자 방사선의 검출이다.
본 발명의 다른 실시예는 이용가능한 컴퓨터, ASIC, DSP 등으로 매우 신속하게 상기 표적 물질의 검출 및 식별을 달성한다.
본 발명의 다른 실시예는 사용자에게 가양성률 및 가음성률 사이의 트레이드오프(tradeoff)에 대한 제어를 제공한다.
도 1은 동위원소 검출 및 식별을 위한 복잡한 스펙트럼을 도시한 것이다.
도 2는 동위원소 스펙트럼들을 일례로 분석하여 도시되는 패턴 인식의 LINSCAN 방법을 사용하기 위한 일련의 공정들을 기술하는 흐름도이다.
도 3은 상기 예에서 동위원소 스펙트럼들을 이용하여 패턴 인식의 LINSCAN 방법을 위한 학습 공정의 예를 도시하는 흐름도이다.
도 4는 상기 예에서 동위원소 스펙트럼들을 이용하여 패턴 인식의 LINSCAN 방법에 사용되는 공정들의 예를 도시한 흐름도이다.
도 5는 상기 예에서 동위원소 스펙트럼들을 이용하여 패턴 인식의 첨단 최대치 검출 방법에 사용되는 공정들의 예를 도시한 흐름도이다.
** 도면내 영문의 국문번역 **
[도 1]
Background Radiation : 배후 방사선
Radioactive Materials : 방사능 물질들
Gamma Radiation : 감마 방사선
Compton Scattering : 콤프턴 산란
Detector Array : 검출기 배열
Gamma Relative Energy : 감마 상대 에너지
Noise : 노이즈
Histogram generation using Pulse Height Analysis : 펄스 높이 분석을 이용한 히스토그램 발생
Radiological Spectrum : 방사선 스펙트럼
Spectral Analysis : 스펙트럼 분석
[도 2]
Source Material Gamma Radiation : 원 물질 감마 방사선
Background Noise : 배후 노이즈
Background average : 배후 평균
Radiological Spectrum : 방사선 스펙트럼
Background Subtraction (optional) : 배후 차감(선택)
Noise Filter : 노이즈 필터
First Corrected Spectrum : 제1 수정 스펙트럼
Linear Fitting to sum of expected spectra : 예상되는 스펙트럼들의 합으로 선형 맞춤
Expected spectra : 예상되는 스펙트럼들
Isotope Concentrations : 동위원소 농도들
White and Colored Noise estimates : 백색 및 유색 노이즈 추정들
Residua : 잔여분
Non-linearity tests : 비선형성 시험들
Second Corrected Spectrum : 제2 수정 스펙트럼
[도 3]
LINSCAN Training (Preprocessor) : LINSCAN 훈련(사전공정기)
Training Samples Database : 훈련 표본 데이터베이스
Noise Filter : 노이즈 필터
Cross Correlation : 교차 상관
Matrix Inversion : 매트릭스 역변환
LINSCAN Database : LINSCAN 데이터베이스
Feature Set : 특징 세트
Feature Filter : 특징 필터
Thresholds : 역치들
[도 4]
LINSCAN Analysis : LINSCAN 분석
Spectrum : 스펙트럼
Noise Filter : 노이즈 필터
Cross Correlation : 교차 상관
Correlation vector : 상관 벡터
Matrix Multiply : 매트릭스 곱
Weights vector : 가중치 벡터
Above Threshold : 상기 역치
Identified materials : 식별된 물질들
Subtract Identified : 식별된 차감
Residual spectrum : 잔여 스펙트럼
Signal test : 신호 시험
Add "Unknown" : "미지" 첨가
Analysis Results : 분석 결과
LINSCAN Database : LINSCAN 데이터베이스
Feature Set : 특징 세트
Feature Filter : 특징 필터
Thresholds : 역치들
[도 5]
Spectrum : 스펙트럼
Apply a smoothing kernel : 평탄화 커넬 적용
Compute first derivative : 제1 도함수 계산
Locate zero-crossings with negative slope : 음의 기울기를 갖는 0-교차점들
Curve fit each tentative peak : 각각의 잠정적인 최대치를 곡선 맞춤
Calculate confidence of each peak and remove the low confidence peaks from the identified list : 각각의 최대치의 신뢰도를 계산하고 식별된 목록으로부터 낮은 신뢰도 최대치들을 제거한다
Lookup peak centroids : 검색 최대치 중심들
Calculate confidence in each material and remove the low confidence identifications from the list : 각각의 물질에서 신뢰도를 계산하고 목록으로부터 낮은 신뢰도 식별들을 제거한다
Unidentified Materials: Add "Unknown" : 식별되지 않은 물질들: "미지"라 고 부언
Analysis Results : 분석 결과들
Confidence thresholds : 신뢰도 역치들
Reference Database : 기준 데이터베이스
본 명세서는 신규한 것으로 간주되는 본 발명의 특징들을 정의하는 청구항들로 결론을 내리면서, 본 발명이 동일 참조 번호가 기재되어 있는 도면들과 연계하여 하기 상세한 설명을 고찰하면 더 잘 이해될 것이라 생각한다. 개시된 실시예들은 본 발명의 예시일 뿐이며, 다양한 형태로 실시될 수 있음을 알아야 한다. 그러므로, 본 명세서에 개시된 특이적인 기능적 상세 사항들은 한정적으로 해석되어서는 안 되며, 단지 청구항들에 대한 기초로서 그리고 거의 모든 적절한 상세한 구조에서 본 발명을 다양하게 채용하려는 당업자를 가르치기 위한 대표적인 기초로서 해석되어야 한다. 나아가, 본 명세서에 사용된 용어 및 어구들은 한정적인 의도가 없으며; 오히려 본 발명의 이해가능한 설명을 제공하려는 의도이다.
본 발명의 다른 실시예들은 표적 물질들을 검출하고 식별하기 위한 스펙트럼 데이터의 분석을 위한 다양한 소프트웨어 방법들을 활용한다. 선형 스캐닝(LINSCAN) 방법 및 첨단 최대치 검출(APD) 방법은 정보 처리 시스템에 의해 사용된다. 이러한 다중 패턴 인식 방법들은 광범위한 응용을 위해 화학, 생물, 방사성, 핵 및 폭발성 물질들의 신속하고도 정확한 검출, 식별 및 정량화를 가능하게 하기 위하여 개별적으로 또는 조합하여 사용될 수 있다.
또한, 이러한 패턴 인식 방법들의 사용은 스펙트럼들의 자동 상관 및 교차 상관을 위한 방법들을 포함할 수 있다. 사용된 스펙트럼들은 표적 물질들 및 예상되는 배후(백색 및 유색)를 제시하여야 한다.
상기 LINSCAN 방법에 있어서, 그러한 스펙트럼들은 그 자체로(바람직하게는 예상되는 백색 및 유색 노이즈 스펙트럼들을 포함) 단순히 하이퍼스페이스에서 비음수들의 벡터들(측정된 각각의 스펙트럼 빈에 대한 것)이다. 그러한 벡터들은 용이하게 직교정규화될 수 있다. 즉, 각 물질에 대해 각각의 빈에 대한 새로운 슈도스펙트럼(양 또는 음의 실수로서) 수치들 및 배후의 양쪽 타입들은 다른 모든 감마선 스펙트럼들의 예상되는 스펙트럼들과 어느 교차 상관이 0인지를 사전에 계산할 수 있다. 측정된 스펙트럼을 슈도스펙트럼과 상관하게 되면 존재하는 표적 물질의 양에 비례하는 숫자를 생성하게 될 것이다. 첨단 최대치 검출 방법(APD)은 스펙트럼 분석을 위한 별개 방법을 제공하,며 LINSCAN의 결과들을 검증하는데 사용될 수 있다. 다른 실시예에서, 전개된 제1 방법은 가음성 결과들을 감소시키는데 집중될 수 있는 반면에, 전개된 제2 방법은 가양성 결과들을 더 감소시켜, 가양성 및 가음성을 크게 감소시킨 전체 반응을 제공하게 된다.
하기에 논의되는 예들은 본 발명의 다양한 태양들을 설명하기 위하여 방사성 동위원소들의 검출 및 식별 방법들로 대부분 도시될 것이다. 하기 예들이 방사성 물질들의 검출, 식별 및 정량화에 사용되는 방법들을 예시하는 반면에, 또한 이러한 동일 원리들이 화학, 방사성, 음향, 핵 및 폭발물 검출 및 스펙트럼들을 활용하 여 표적들이 검출되는 임의의 다른 상황에 적용될 수 있다.
도 1을 참조하면, 동위원소 식별을 위한 필드 환경의 개략적 제시가 대상물 및 작용으로 도시되어 있다. 본 발명의 일 실시예에 따르면, 감마 방사선(101)은 감마선들 및 상기 검출기의 상호작용을 상대적 에너지(102)로 변환시키는 검출기들 또는 검출기들의 배열(105)에 의하여 측정된다. 상기 에너지들은 이후 에너지-대-크기 확률들에 의한 분석(110)을 위한 복합 방사선 스펙트럼 기록(104)으로 재현을 생성하는 히스토그램(108)으로 분류된다.
수집된 스펙트럼은 존재할 수 있는 표적 동위원소들(107)을 추론하기 위하여 설명될 필요가 있는 물리적 공정들의 합계이다. 이러한 물리적 공정들은 표적들이 부재시에 발생할 수 있는 감마 방사선과 같은 배후(103) 방사선을 포함한다. 감마선들은 어딘가 존재하는 비표적 물질(심지어 표적과 동일한 물질일 경우가 있다)로부터 유래한다. 대부분의 상기 배후는 근접 물질로부터 유래하지만, 일부는 공간으로부터 유래할 수 있다. 상기 배후는 시공간적으로 가변적이다.
상기 표적 동위원소들(107)은 포아송 확률 분포에 의해 제어되는 속도로 무작위 붕괴하며 예측가능한 에너지 및 확률로 수많은 감마선 광자들을 방출한다. 전자들에 의하여 더 낮은 에너지들로 산란되는 감마선들도 상기 공정에서 생성된다-콤프턴 산란 방사선(109). 본 발명자들은 M개의 동위원소들의 공지된 세트 I1, I2... IM가 있음을 가정한다. 각각은 공지된 감마선 스펙트럼을 평균하여 생성한다. 이러한 공정들은 예측가능하며 모델링될 수 있다. 실제로, 본 발명자들은 컴퓨터 모사가 가능함을 가정한다.
상기 검출기들 및 전자제품들은 개별 감마선 광자 에너지의 정확한 수치를 모호하게 하는 자연적인 노이즈(106)를 도입함으로써 측정(스펙트럼 히스토그램) 오차에 기여한다. 간단히 말해서, 본 발명자들은 검출기 부재들 중에 가변적요소, 비선형 검출기 반응 등을 무시하였다. 그 대신에, 본 발명자들은 상기 노이즈가 부가적이며 두 가지 부분들-백색 및 유색으로 구성되어 있음을 가정한다.
이러한 모든 요소들은 상기 측정된 스펙트럼에 기여하지만, 다른 기여 요소들을 무시하거나 적어도 극복하면서 풍부하게 존재하는 표적 물질들을 발견하는 것이 그 과제이다.
복잡 요인들: 이하를 포함하는 일부 다른 복잡 요인들이 있다:
ㆍ 콤프턴 산란 패턴의 비예측성. 실험적으로, 콤프턴 산란 에너지 패턴은 설정 세부사항(setup details) 및 물리적 환경 등에 따라 변화한다. 이는 상기 콤프턴 산란 에너지 패턴이 다른 동위원소들로부터 나온 신호로 가장할 수 있기 때문에 중요한 것이다.
ㆍ 비선형 검출기 반응. 측정된 데이터가 모든 동위원소들 및 모든 다른 신호원들(signal sources)로부터 나온 기여들(contributions)의 단순합으로 유래한다는 것이 용이하고도 종종 정확한 가정이다. 어떠한 검출기에서의 계수율이 충분히 높다고 한다면, 통합시간(integration time)에서는 2 가지의 검출된 광자들이 있을 수 있으며, 이로 인하여 2배 에너지의 광자를 기록하게 한다. 흔하지는 않지만, 3배 에너지로 이어진다. 산탄 노이즈(shot noise)는 신호 의존적이다. 상기 전자제 품들과 관련된 다른 비선형성들이 있을 수 있다. 신호들을 명백한 감마선 에너지로 변환시키는 전자제품들은 노이즈가 있을 수 있다 - 동일한 입력에 대하여 상이한 결과들을 생성할 수 있는 다른 영향.
본 발명의 일 실시예는 표적 화학, 생물, 방사선, 핵 및 폭발성 물질들, 음향 및 다른 스펙트럼들을 검출, 식별 및 정량화하기 위하여 복잡한 스펙트럼들로부터 정보를 사용하는 다중 소프트웨어 분석 방법들을 제공한다.
LINSCAN 방법
도 3은 LINSCAN용 비교 데이터베이스를 수립하기 위하여 공지된 원천으로부터 나온 스펙트럼들을 취득하는 패턴 인식 시스템에 사용되는 학습 공정을 설명한다. 상기 시스템이 식별하려고 설계된 일련의 표적 동위원소들 또는 그 물질들의 스펙트럼 이미지들은 상기 검출기 하드웨어를 갖는 생 표본들로부터 또는 훈련 표본(training sample) 데이터베이스(301)를 상주시키는 컴퓨터 시뮬레이션들로부터 채집된다. 이후 다뤄질 분석 단계에 적용될 동일한 노이즈 필터(302)는 각각의 훈련 표본에 적용되어 특징 집합으로 저장되는 식별이 더 잘될 수 있으며 덜 무작위적인 일련의 표본들을 생성하게 된다.
상기 특징 집합의 이러한 각각의 표본은 다른 모든 표본들과 교차 상관(303)되어 유사성을 식별하는 상관관계 매트릭스를 생성한다. 본 매트릭스에 관한 매트릭스 역변환(matrix inversion)(304)은 그러한 유사성들의 영향을 최소화하고 모든 식별 특징들의 합을 1의 값이 되도록 정량화한다. 본 매트릭스 역변환은 이후 LINSCAN 데이터베이스(308)에서 특징 필터(306)로 저장된다. 각각의 패턴에 대한 역치들은 발신 데이터베이스(originating database)에서 식별의 감도를 사용자가 제어하도록 설정되어 있다. 이러한 역치들은 LINSCAN 데이터베이스에 역치들(307)로 복사된다.
본 발명자들은 일부 경우에서 충분히 하나 이상의 이러한 단계들을 생략할 수 있으며, 출력에 관하여 분석을 더 수행할 수 있음을 알게 되었다. 본 특허는 명시적으로 그러한 변경사항들을 포함하며 청구하는 바이다.
도 2 및 도 4는 LINSCAN에 의하여 수행된 스펙트럼 분석의 전체 공정 및 구성요소들을 도시한다. 도 1 및 관련 텍스트에서 기술된 것들과 같이, 스펙트럼(201)을 수집한 이후에, 데이터는 하기 방법들에 의하여 사전처리되고 정규화된다. 정보가 이용가능한 경우, 배후 차감(background subtraction)을 이용하여 분석에 배후 노이즈(204)를 줄여야한다. 배후 차감(202)은 상기 신호의 무배후(non-background) 내용의 양호한 추정에 필수적이다. 이를 수행하는 방법이 몇 가지 있다. 분석 시간에 가까운 시간에 시험중인 상기 표적의 부재하에 스펙트럼을 측정하고 각각의 표본 통합 시간들을 기준화하고(scale) 필요하다면 차감할 수 있다. 예상되는 배후를 오랜 시간 추정한다면, 상기 측정된 스펙트럼과 교차 상관하여 상기 배후에 어떤 가중치를 할당할 것인지 결정할 수 있다.
상기 노이즈는 광범위하고 높아서 약한 원천으로부터 나온 신호들을 가장하게 하고 하나 이상의 다른 동위원소들로 오인될 수 있기 때문에, 콤프턴 산란 노이즈(205)의 최소화는 중요하다. 본 발명자의 접근법은 급격한 최대치들을 강조하고 넓은 모양들을 덜 강조하는 방법을 이용하는 것이다. 이를 수행하는 방법으로 언샤 프 마스킹(unsharp masking), 분화(differentiation), 역상관 기반 에지 강조(convolution based edge enhancement) 등을 포함하여 많은 방법들이 있다. 또한, 이를 수행하기 전에 필터 계산에 미치는 임의적인 작은 변화들의 영향을 줄이기 위하여 순위 필터링(rank order filtering), 역상관, 수학 형태학(mathematical morphology), 가우시안 차(Difference Of Gaussians: DOG) 등을 이용하여 스펙트럼을 약간 평탄화 하는 것이 중요할 수 있다.
필요하다면, 컴퓨터 하드웨어 비용 및 제약조건에 따라, 상기 데이터는 정규화되며 척도 인자(scailing factor)는 저장된다. 정규화는 사전처리 단계들 중에서 가장 덜 중요하다. 이는 고정점 연산이 이용되는 경우에 유용하며, 유동점 연산만 이용되는 경우에는 필요가 없다. 정규화하는 간단한 방법은 스펙트럼에서 최고치를 1(또는 다른 표준치)로 설정하고 동일한 인자에 의하여 다른 모든 수치들을 기준화하는 것이다.
이를 수행하는 경우에, 본 발명자들은 S1 (E)로 지칭되는 제1 수정 스펙트럼(203)을 가진다. 본 발명자들은 이제 하기와 같이 식을 어림하여 작성하려 한다
S1(E) = w1l1(E) + w2l2(E) + ... + wwW(E) + wcC(E).
여기서,
Wk는 동위원소 Ik의 가중치이다
Ik(E)는 Ik의 에너지 스펙트럼이다
W(E) = 1은 백색 노이즈를 나타낸다
C(E)는 유색 노이즈의 예상 스펙트럼이다.
본 발명자들은 그람-슈미트(Gram-Schmidt)[예, Walter Hoffmann, "Iterative Algorithmen fuer die Gram-] Schmidt-Orthogonalisierung," Computing 41, 335=348 (2005)] 또는 콜필드-말로니(Caulfield-Maloney)[H. J. Caulfield and W. T. Maloney, "Improved Discrimination in Optical Character Recognition," Appl. Opt. 8, 2354 (1969)] 직교정규화를 이용할 수 있다. 양쪽 중 어느 것이나 모든 E 채널들 상에 Φj(E)S1(E)의 합이 wj가 되도록 하는 함수 Φj(E)를 생성할 것이다.
이러한 방식으로, 본 발명자들은 각각의 구성요소 및 2 가지 형태의 노이즈에 대한 가중치들의 제1 추정을 얻을 수 있다.
때때로 이 지점에서 중단하는 것이 충분하지만, 수행할 수 있는 다른 사항들이 있다.
본 발명자들은 예상되는 스펙트럼들(214) 및 계산된 가중치들(206)을 이용하여 표시된 스펙트럼 SI(E)을 발생시킬 수 있다. 이후, 본 발명자들은 오차 스펙트럼을 계산할 수 있다
ε(E) = S1(E) - SI(E).
이상적으로는, ε(E)는 영 중간값 백색 노이즈(zero mean white noise)를 의미하여야 한다. 임의의 실질적인 편차는 본 발명자의 목록에 존재하지 않는 동위원소의 출현과 같이 상당한 오차를 나타낸다.
또한, 본 발명자들은 표시된 가중치들을 이용하여 임의의 동위원소가 비선형 검출(207) 및 노이즈 영향으로 인한 오류를 유발할 수 있을 만큼 충분한 강도를 가지는지의 여부를 결정할 수 있다. 비선형성이 표시된다면, 본 발명자들은 상기 비선형성을 환산하여 상기 표시된 가중치들로 예상되는 상기 스펙트럼을 차감한다(데이터는 실험적으로 결정하고 사전수행되었다). 그로 인한 신호는 제2 수정된 스펙트럼(208)이다. 상기 스펙트럼은 이후 이전과 같이 분석될 수 있다.
일부 동위원소의 존재를 언제 보고하는지를 결정하는 것이 남아있는 과제이다. 표본 노이즈는 모든 동위원소에 대하여 적어도 0이 아닌 가중치를 제공할 것이다. 본 발명자들이 역치 보고를 0으로 또는 다른 아주 낮은 수치로 설정하는 경우, 본 발명자들은 너무도 많은 허위 경보들을 얻을 것이다. 반면에, 본 발명자들이 역치를 너무 높게 설정하는 경우, 본 발명자들은 너무 많은 가음성들을 얻을 것이다. 상기 2 가지 바람직하지 않은 결과들 사이의 트레이드오프(tradeoff)는 그 자체로는 본 특허의 주제가 아닌 다양한 공지된 방법들에서 제어될 수 있다.
바람직한 본 발명자들의 실시예는 하기와 같다:
ㆍ 스펙트럼을 수집하여 표본이 측정 장치로 삽입되기 직전에 또는 시간에 걸쳐서 측정된 배경에 기반하여 추정된 배경 내용을 동적 평균으로 차감하여 표적이 획득되는 당시에 도입된 모든 물리적 공정들의 새로운 스펙트럼(401)을 생성하도록 한다,
ㆍ 본 스펙트럼에 노이즈 필터(402)를 적용하여 하기 필터와 같이 분석용 신호를 최대화하도록 한다
ο 3원(three-wide) 윈도우 중간값 필터(window median filter)로 평탄화한 다
ο 퓨리에 변환을 E로 곱하고 그 곱을 역 퓨리에 변환하여 구별한다. 그리고 그 절대값을 취한다. 이는 소위 스펙트럼 S1(E)이라는 것이다.
ㆍ 그람-슈미트 방법을 이용한 가중치들을 계산한다
ο 스펙트럼은 특징 집합(413)과 교차 상관된다(405). 이는 측정된 스펙트럼 및 훈련된 스펙트럼들 사이의 유사성들을 식별한다.
ο 상관 벡터는 훈련 스펙트럼들 내부에서 중첩하는 유사성들을 제거하고 식별 차이들의 합을 각각의 실제 측정된 양들에 대한 일련의 가중치들로 기준화하는 매트릭스 특징 필터(411)로 곱해진다(406).
ㆍ 하기에 형성된 역치(409)인 수량 측정들을 0으로 한다
ㆍ 상기 계산된 수량들을 상기 특징 집합에 다시 적용하여 식별된 물질들의 추정된 스펙트럼을 구축하고 분석되고 있는 필터된 스펙트럼으로부터 상기 추정을 차감한다(407).
ㆍ 이전 계산의 나머지는 자동 상관되거나 추가 신호가 존재할 가능성을 추정하는 일부 다른 방법이다(408).
첨단 최대치 검출 방법
상기 첨단 최대치 검출(APD) 방법은 물질 검출, 식별 및 정량화를 위하여 복잡하고도 뚜렷한 최대치들을 갖는 다양한 응용에 이용된다. 도 5는 상기 APD 방법에 대한 공정 흐름을 설명한다. 하기 설명은 상기 APD 방법이 어떻게 작용하는지의 예로서 동위원소 스펙트럼 분석을 활용한다.
감마선 스펙트럼 분석에 있어서 최대치 검출을 수행하는 2 가지 분명한 이유가 있다. 첫째, 빈번한 재보정(recalibration)을 필요로 하는 스펙트럼 측정 장비에 있어서 충분한 변동성(variability) 및 유동(drift)이 있다. 본 발명자들은 2 지점들-저 에너지의 1 지점 및 고 에너지의 1 지점을 생성하는 보정원을 이용한다. 상기 저 에너지 감마선들은 스펙트럼상으로 분해될 수 없는 것이지만, 바이어스가 측정되고 유지될 수 있을 만큼 세기가 강하다. 상기 고 에너지 최대치(실제 감마선들로부터 나온 것이 아닌 감마선들로 가장하여 동일한 검출기를 자극하는 알파선들로부터 나온)는 상기 최대치의 이득 조정에 이상적이며 정확히 적합하게 할 수 있다. 본 발명자들이 소유한 것은 불연속적인 추정 에너지들에서 바로 인접한 불연속적인 신호들이다. 본 발명자들은 표시된 에너지로 환산하여 그에 해당하는 최대치가 어떤 것인지는 알지 못한다. 즉, 에너지들의 스케일은 결정되지 않았으며, 본 발명자들은 명확한 최대치를 알지 못한다(그대신, 본 발명자들은 최대치에 가까운 수치들을 표본 추출하였다.) 본 발명자들이 상기 최대치가 그러한 표본 추출된 수치들로 이어질 것이라는 것을 알았다면, 본 발명자들은 그로 인하여 상기 표시된 에너지가 적절한 수치가 되기 위하여 어떤 척도 인자를 적용할 필요가 있는지를 알 것이다. 이후, 본 발명자들은 그러한 척도 인자를 적용하고, 평활 곡선에 상기 불연속 데이터를 맞추고(예컨대, 스플라인(spline) 또는 DOG에 의하여) 후속 분석을 위하여 소정의 에너지들에서 재표본 추출한다. 둘째, 상기 언급한 보정이 일단 수행되면, 식별 및 정량화 목적을 위한 임의의 신호의 정확한 최대 에너지를 확인하 는 것이 중요하다.
상기 과제는 시스템의 에너지 점확산 함수(단일에너지 감마선을 위한 표시된 반응 곡선)는 감마선 에너지에 따라 변화한다는 사실로 인하여 더 어려워진다. 이를 맞출 고정 곡선은 없다. 상기 반응 곡선들은 다중 요인들을 가지기 때문에, 본 발명자들은 중심 극한 정리를 끌어들여 곡선들이 모양에서 가우스 형태일 수 있음을 제시한다. 실험적으로, 이는 대략 정확한 듯하다. 보정을 위하여, 임의의 경우에 정확한 설명보다는 일관성이 더 중요하다. 따라서, 본 발명자들은 가우스 모양을 주로 사용한다. 가우스 곡선은 다음의 3 가지 변수들을 가진다: A(높이 조정 인자), m(곡선의 중간 에너지) 및 σ(그 표준 편차). 에너지에 따라 극적으로 변하는 것은 σ이다. m은 직전에 토의한 2 가지 목적들에 유용한 최대치 값이다. A는 존재하는 방사선량을 측정하고 검출에 대한 역치 설정 및 물질의 최소 존재량을 표시하는데 중요하다.
바람직한 본 발명자들의 접근법에 있어서 제1 단계는 일부 근사 맞춤들을 찾는 것이다. 이는 상이한 σ 값들, 예컨대, 저 에너지, 중간 에너지 및 고 에너지 범위들에 대하여 각각 하나씩의 가우스들로 역상관 또는 상관(가우스들에 대하여 완전히 동일한 연산)에 의하여 수행될 수 있다. 이들은 역치화되어 가능한 시작 맞춤을 제공할 수 있다 - 각각의 실제 최대치에 대하여 하나. 그러한 가우스 곡선들은 최적 맞춤들보다는 작을 것이지만, 상기 맞춤들은 반복 방법들에 의하여 반복연산 방법들로 개선될 수 있다.
다른 패턴 인식 방법
여기서, 본 발명자들은 단순 반복 개선 알고리즘 - 구배 추적(gradient pursuit)의 변형을 설명한다.
본 발명자들은 최적화되는 감도 지수로 시작한다. 최초로 표시된 최대치 주위의 일부 사전 합의된 일련의 점들에 대한 표본 수치들 S(Ei) 사이의 최소 자승 차이. 그러한 기준을 집합 B라고 부른다. 또한, 본 발명자들은 상기 가우스가 G0 A,m,σ 또는 이후 개선된 추정 Gk A,m,σ 이든지 간에 B의 모든 점들에서 변수 A, m 및 σ를 갖는 가우스를 평가할 수 있다. 에너지 Ei에서,
dik = S(Ei) - Gk A ,m,σ(Ei)라는 차이가 있다.
B 상에 그러한 차이들의 자승의 합은 S라고 불릴 수 있으며, 본 발명자들이 최소화하려는 양이다. 또한, 본 발명자들은 B 상에서 곱 S(Ei)Gk A,m,σ(Ei)의 합계인 교차 상관 CC를 계산할 수 있다. CC를 최대화하면 차이들의 자승의 합을 최소화한 동일한 결과를 얻는다. 이를 도시하기 위하여, 본 발명자들은 자승 차이들의 합의 최소화 - 본 발명자들이 F(감도지수에 대하여)라고 칭하는 양을 다룬다. 따라서, 본 발명자들은 F를 가능한 최저치로 이끌 변수 A, m 및 σ에서의 변화들을 구한다. (항상 F ≥ 0임을 유의.)
본 발명자들이 교차 상관을 이용한다면, 본 발명자들은 자동 상관들의 합으로부터 교차 상관의 2배를 차감하여 그 수치가 항상 양이며 그 맞춤이 완벽하다면 0이 될 감도지수를 제공하여야 한다.
초기 맞춤은 본 발명자들이 F0라고 칭하는 초기 F를 제공한다. 본 발명자들은 F를 가능한 0에 근접하도록 상기 변수들을 변화시키기를 원한다. 부정확하지만 편리한 2 가지 가정을 해 보자:
F는 3 가지 모든 변수들에 따라 선형으로 변한다.
각각의 변수는 -F/3 변화를 새로운 수치에 기여하여야 한다.
따라서, F를 예컨대, -F/3 만큼 변화시키기 위하여 A를 얼마만큼 변화시켜야 하는가? 본 발명자들은 A의 변화 ΔA가
(∂F/∂A)ΔA = -F/3
또는
ΔA = -F/[3(∂F/∂A)]이기를 원한다.
그러나, 본 발명자들은 부분 도함수들을 알지 못하여,
δA = A/100
와 같은 작은 섭동(perturbation)을 일으켜 δF가 어떤 변화를 결과하는지 알아본다. 이후, 본 발명자들은
ΔA = -FδA/3δF
또는
(ΔA) = -AF/[300(δF)]을 이용한다.
나머지 다른 2 가지 변수들을 변화시키는 유사한 접근법도 수행된다.
변수들에서 그러한 3 가지 변화들을 동시에 적용하면 새로운 F 값을 가진 새로운 가우스로 이어진다. 이는 동일한 방식으로 개선될 수 있다.
본 공정은 어떤 중단 조건이 충족될 때까지 계속된다. 예를 들면, 본 발명자들은 4회 이후에 중단할 수 있다. 또한, 본 발명자들은 상기 개선이 효과적으로 중단될 경우에 중단할 수 있다.
도 8에 최대치 검출을 위한 공정이 도시되어 있다. 방사성 동위원소 식별과 같은 응용에서, 수집된 데이터의 주요 식별 특징은 그 중심이 상기 물질에 의하여 방출되거나 흡수되는 본래 에너지, 파장 또는 다른 그러한 수치에 직접 관련되어 있는 데이터에 위치된 최대치이다.
상기 환경 또는 전자제품들에서의 노이즈 또는 자연적 변이들로 인하여, 이러한 최대치들이 변화하는 모양들 및 분해능을 가질 수 있으며, 원천의 정확한 수치는 모호하게 된다. 또한, 상기 수집 방법이 주파수 분포들 또는 흡수 수치들일 수 있기 때문에, 수집 시간 또는 관찰되는 물질의 임의적 성질과 관련된 세기 수치들에서 무작위적 편차들이 있다.
이러한 물질들의 식별을 보조하기 위하여, 본 발명자들은 가능한 노이즈를 무시하고 상기 스펙트럼을 검출기들의 하드웨어적인 능력을 가장 잘 표현하는 공지된 최대치 함수들(가우스와 같은)로 분해하는 공정을 적용한다.
우선, 상기 스펙트럼은 평탄화되어 편재된 무작위적 편차들이 계산에 영향을 주고, 평가되어야 하는 국소 최대값들의 수를 최소화하는 것을 감소시킨다. 상기 평탄화된 스펙트럼은 불연속적인 제1 도함수를 이용하고 상기 제1 도함수가 x-축을 교차하는 지점을 찾아서 국소 최대값들에 대해 스캐닝된다. 이러한 점들은 더 평가하여 확인할 필요가 있는 잠정적인 최대치들의 목록으로 들어간다.
상기 잠정적인 최대치들의 목록을 작성한 이후, 각각의 최대치는 예상되는 최대치 곡선 유형(가우스와 같은)의 곡선 맞춤(curve-fitting) 알고리즘(본 발명자의 구배 추적의 변화와 같은)으로 평가된다. 상기 맞춤 공정을 하는 동안에 수렴하지 않는 최대치들 및 하드웨어 또는 원천에 대한 예상 범위를 벗어난 수치들로 맞춰지는 최대치들은 상기 잠정 목록으로부터 제거된다.
이후 각각의 최대치는 감마 방사선을 위한 포아송 통계와 같은 수집 방법의 특성들을 이용하여 신뢰성에 대해 시험된다. 상기 최대치가 포아송 무작위 확률로부터 예상될 수 있는 무작위 편차들과 비교하여 기준선 세기, 배후 세기 및 중첩 최대치 세기 이상에서 얼마나 현저하게 드러나는지 계산된다. 역치는 사용자에게 허용가능한 수치로 가양성들 및 가음성들을 균형잡으려는 신뢰도에 관한 것이다.
각각의 검증된 최대치는 원천 수치에의 근접 및 가능한 원천들을 식별하는 측정에서의 신뢰도에 의하여 공지된 물질들의 목록에 대하여 교차 시험되며, 이후 각각의 가능한 원천은 역치에 의하여 제어될 수 있는 신뢰도 수치를 계산하여 허용가능한 주파수에 상기 가양성 및 가음성들을 균형 잡는다. 만약 신뢰성이 있지만 식별 불가능한 최대치로 결과한다면, 일반적인 물질이 그 강도가 모든 식별 불가능한 원천들의 전체 세기인 식별된 분석 결과들에 첨가된다.
본 발명의 실시예들의 상기 토의들은 예를 들면, 개인용 컴퓨터 및 워크스테이션 등과 같은 임의의 정보 처리 시스템에 적용될 수 있음을 유의하여야 한다.
정보 처리 시스템은 예를 들면, 컴퓨터를 포함한다. 상기 컴퓨터는 메인 메모리(예, 휘발성 메모리), 비휘발성 저장 인터페이스, 터미널 인터페이스 및 네트워크 어댑터 하드웨어에 통신적으로 연결되어 있는 프로세서를 가지고 있다. 시스템 버스는 이러한 시스템 구성요소들을 서로 연결시킨다. 상기 비휘발성 저장 인터페이스는 상기 정보 처리 시스템에 데이터 저장 장치와 같은 대량 저장 장치들을 연결시키는데 사용된다. 데이터 저장 장치는 예를 들면, 데이터 및/또는 프로그램을 CD 또는 DVD 또는 플로피 디스켓(모두 미도시)에 저장하고 CD 또는 DVD 또는 플로피 디스켓으로부터 데이터 및/또는 프로그램을 읽는데 사용될 수 있는 CD 드라이브를 포함한다.
일 실시예에서, 상기 메인 메모리는 상술한 새로운 방법들을 실행하는 컴퓨터 프로그램 지시사항을 선택적으로 포함한다. 이러한 컴퓨터 프로그램 지시사항이 상기 주 메모리 내에 상주할 수 있지만, 이러한 컴퓨터 프로그램 지시사항이 정보 처리 시스템 내의 하드웨어 및/또는 펌웨어(firmware)에서 실행될 수 있다.
일 실시예에 따르면 운영 시스템이 상기 주 메모리 내에 포함될 수 있으며 리눅스(Linux), 유닉스(UNIX), 윈도우 엑스피(Windows XP) 및 윈도우 서버 운영 시스템과 같은 적절한 멀티태스킹 운영 시스템일 수 있다. 본 발명의 다양한 실시예들은 임의의 다른 적절한 운영 시스템, 또는 커널(kernel) 또는 다른 적절한 제어 소프트웨어를 사용할 수 있다. 본 발명의 일부 실시예들은 운영 시스템(미도시)의 구성요소들의 지시사항이 상기 정보 처리 시스템 내에 위치된 임의의 프로세서상에서 실행되도록 하는 객체 지향 프레임워크 매카니즘과 같은 아키텍쳐들을 활용한 다. 상기 네트워크 어댑터 하드웨어는 임의의 통신 네트워크에 인터페이스를 제공하는데 사용된다. 예를 들면, 이터넷 네트워크는 TCP/IP 통신을 통해 통신하는데 사용될 수 있다. 다른 예로서, 인터넷과 같은 광역 네트워크가 상기 네트워크 어댑터 하드웨어에 연동되어 인터넷을 통한 통신을 가능하게 한다.
본 발명의 다양한 실시예들이 전기능적인 컴퓨터 시스템의 맥락에서 기술된 반면에, 당업자는 특정 실시예들이 하기와 같이 임의의 어느 하나 이상과 같은 컴퓨터로 읽을 수 있는 기록 매체: 플로피 디스크, CD ROM, DVD, 적절한 메모리 장치, 비휘발성 메모리 장치, 임의의 읽을 수 있는 매체의 형태를 통하여 또는 임의의 전자 전달 매커니즘의 유형을 통하여 프로그램 제품으로 저장되고/되거나 배포될 수 있다는 것을 이해할 것이다.
본 발명의 특이적인 실시예들이 개시되었지만, 당업자는 본 발명의 사상 및 범위로부터 벗어나지 않으면서 상기 특이적인 실시예들에 변경을 가할 수 있음을 이해할 것이다. 따라서, 본 발명의 범위는 상기 특이적인 실시예들에 한정되지 않으며, 첨부한 청구항들이 본 발명의 범위 내에서 임의의 그리고 모든 그러한 응용들, 변경들 및 실시예들을 다룰 것을 의도한다.

Claims (29)

  1. 가우스 또는 로렌츠와 같은 최대치 함수를 갖는 스펙트럼의 역상관(convolution)과 같은 더 단순한 곡선 맞춤 연산에 의하여 최초로 표시된 각각의 최대치로 평탄화, 재표본 추출 및 적응 곡선 맞춤을 실시하는 것을 특징으로 하는 공정.
  2. 청구항 1에 있어서,
    상기 평탄화는 역상관에 의하여 수행되는 것을 특징으로 하는 공정.
  3. 청구항 1에 있어서,
    상기 평탄화는 곡선 맞춤에 의하여 수행되는 것을 특징으로 하는 공정.
  4. 청구항 1에 있어서,
    특이적인 최대치에 대한 최종 곡선 맞춤 공정은 감도 지수가 최대화 또는 최소화되느냐의 여부에 따라, 구배 상승 또는 하강에 의하여 수행되는 것을 특징으로 하는 공정.
  5. 청구항 1에 있어서,
    특이적인 최대치에 대한 최종 곡선 맞춤은 진화 방법들(evolutionary methods)에 의하여 수행되는 것을 특징으로 하는 공정.
  6. 청구항 1에 있어서,
    특이적인 최대치에 대한 최종 곡선 맞춤은 모의 담금질(simulated annealing)에 의하여 수행되는 것을 특징으로 하는 공정.
  7. 청구항 1에 있어서,
    최대치 검출은 분석용 스펙트럼을 제공하는데 사용되는 검출기의 보정을 위하여 기준 신호 위치를 기준 신호 위치를 식별하는데 이용되는 것을 특징으로 하는 공정.
  8. 정보 처리 시스템용 소프트웨어 지시사항을 포함하는 컴퓨터로 읽을 수 있는 기록 매체에 있어서, 상기 소프트웨어 지시사항은
    관찰된 에너지 스펙트럼에 기여하는 다양한 동위원소들을 식별하고 그 세기를 정량화하는데 설계된 소프트웨어 운영들의 서열을 포함하되, 상기 서열은
    노이즈를 제거하고 컴프턴 산란의 영향을 최소화하는 사전처리 단계;
    이후 규정된 세트의 동위원소들 및 예상되는 노이즈 스펙트럼들로부터의 기여들의 선형적인 합으로 결과하는 스펙트럼-유래 신호의 맞춤을 하는 단계; 및
    이후 동위원소가 보고되어야하는지의 여부 및 매우 높은 방사선 레벨로부터의 영향들이 감소하고 비선형성이 유발할 수 있는 실수들이 완화되는 스테이지가 하나 더 실시할 필요가 있는지의 여부를 결정하는 맞춤에 의하여 측정된 가중치들을 분석하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  9. 청구항 8에 있어서,
    배후 차감은 신호-플러스-노이즈(signal-plus-noise) 측정을 실시하는데 걸린 시간에 따라 차감된 스펙트럼의 크기를 정규화하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  10. 청구항 8에 있어서,
    배후 차감은 노이즈 스펙트럼 및 측정된 신호-플러스-노이즈 스펙트럼 사이의 교차 상관에 따라 차감된 스펙트럼의 크기를 정규화하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  11. 청구항 8에 있어서,
    콤프턴 산란 완화 공정은 상기 관찰된 에너지 스펙트럼의 분화(differentiation)에 의하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  12. 청구항 8에 있어서,
    콤프턴 산란 완화는 상기 관찰된 에너지 스펙트럼의 분화에 의하여 수행된 이후에, 분화된 신호의 절대값 및 분화된 신호의 절대값의 함수 중 적어도 하나를 취하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  13. 청구항 8에 있어서,
    콤프턴 산란 완화는 상기 스펙트럼에 언샤프 마스킹(unsharp masking)을 적용하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  14. 청구항 8에 있어서,
    콤프턴 산란 완화는 상기 관찰된 에너지 스펙트럼에 언샤프 마스킹을 적용하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  15. 청구항 8에 있어서,
    콤프턴 산란 완화는 상기 관찰된 에너지 스펙트럼에 언샤프 마스킹을 적용하고 언샤프 마스킹 신호의 절대값 및 언샤프 마스킹 신호의 절대값의 자승 중 적어도 하나를 취하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  16. 청구항 8에 있어서,
    콤프턴 산란 완화는 상기 관찰된 에너지 스펙트럼에 소벨 커널(Sobel kernel)과 같은 에지 향상 커널을 갖는 역상관을 적용하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  17. 청구항 8에 있어서,
    콤프턴 산란 완화는 뾰쪽한 직선들을 향상시키기 전에 평탄화를 적용하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  18. 청구항 17에 있어서,
    상기 평탄화는 역상관에 의하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  19. 청구항 17에 있어서,
    상기 평탄화는 순위 필터링(rank order filtering) 및 중간값 필터링(median filtering) 중 적어도 하나에 의하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  20. 청구항 17에 있어서,
    상기 평탄화는 수학 형태학(mathematical morphology)에 의한 역상관에 의하여 수행되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  21. 청구항 8에 있어서,
    동위원소들 및 예상되는 노이즈 스펙트럼들로의 곡선 맞춤은 그람-슈미트(Gram-Schmidt) 직교정규화를 이용하여 발생하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  22. 청구항 8에 있어서,
    동위원소들 및 예상되는 노이즈 스펙트럼들로의 곡선 맞춤은 콜필드-말로니(Caulfield-Maloney) 직교정규화를 이용하여 발생하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  23. 청구항 8에 있어서,
    곡선 맞춤에 의하여 측정된 가중치들은 가양성 대 가음성 결정 기준을 충족하도록 설계된 값들에서 역치화되는(theresholded) 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  24. 청구항 8에 있어서,
    상기 가중치들은 임의의 것이 비선형성-유도 오차의 존재 가능성을 표시할 만큼 높은지의 여부를 결정하는데 검사되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  25. 청구항 24에 있어서,
    상기 가중치들 상에 임의의 표시된 비선형성의 영향이 계산되고 차감되어 비선형성을 수정하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  26. 청구항 24에 있어서,
    임의의 표시된 비선형성의 영향이 농도 분석이 수행되기 이전에 상기 스펙트럼에 대한 수정을 계산하고 차감하여 선형화되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  27. 청구항 8에 있어서,
    소프트웨어 운영의 서열은 임의의 하나 이상의 화학, 생물, 방사선, 핵 및 폭발성 물질들을 검출, 식별 및 정량화하는 정보 처리 시스템에 의하여 이용되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 기록 매체.
  28. (a) 가우스 또는 로렌츠와 같은 최대치 함수를 갖는 스펙트럼의 역상관과 같은 더 단순한 곡선 맞춤 조작에 의하여 최초로 표시된 각각의 최대치로 평탄화, 재표본 추출 및 적응 곡선 맞춤을 실시하는 공정; 및
    (b) 관찰된 에너지 스펙트럼에 기여하는 다양한 동위원소들을 식별하고 그 세기를 정량화하기 위하여 설계된 소프트웨어 운영들의 서열을 포함하되, 상기 서열은
    노이즈를 제거하고 컴프턴 산란의 영향을 최소화하는 사전처리 단계;
    이후 규정된 세트의 동위원소들 및 예상되는 노이즈 스펙트럼들로부터의 기여들의 선형적인 합으로 결과하는 스펙트럼-유래 신호의 맞춤을 하는 단계; 및
    이후 동위원소가 보고되어야하는지의 여부 및 매우 높은 방사선 레벨로부터의 영향들이 감소되고 비선형성이 유발할 수 있는 실수들이 완화되는 스테이지가 하나 더 실시할 필요가 있는지의 여부를 결정하는 맞춤에 의하여 측정된 가중치들을 분석하는 단계를 포함하고,
    (a) 및 (b) 양쪽 모두는 더 높은 정확성을 가능하게 하는 이중 확인 방법으로 이용되기 위한 지시사항을 포함하는 컴퓨터 지시사항을 포함하는 컴퓨터로 읽을 수 있는 기록 매체를 포함하는 것을 특징으로 하는 정보 처리 시스템.
  29. 청구항 28에 있어서,
    (a) 및 (b) 양쪽 모두는 (a)를 이용하여 가음성들을 최적화하고 (b)를 이용하여 가양성들을 더 최적화하여 가음성들 및 가양성들 양쪽 모두를 전체적으로 감소시키는 영향을 이룸으로써 더 높은 정확성을 발생하도록 이용되는 것을 특징으로 하는 정보 처리 시스템.
KR1020097016976A 2007-01-17 2008-01-17 스펙트럼 분석을 위한 첨단 패턴 인식 시스템 KR20090101380A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/624,121 US20070211248A1 (en) 2006-01-17 2007-01-17 Advanced pattern recognition systems for spectral analysis
US11/624,121 2007-01-17

Publications (1)

Publication Number Publication Date
KR20090101380A true KR20090101380A (ko) 2009-09-25

Family

ID=39636378

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020097016976A KR20090101380A (ko) 2007-01-17 2008-01-17 스펙트럼 분석을 위한 첨단 패턴 인식 시스템

Country Status (13)

Country Link
US (1) US20070211248A1 (ko)
EP (1) EP2111541A4 (ko)
JP (1) JP2010517015A (ko)
KR (1) KR20090101380A (ko)
CN (1) CN101632011A (ko)
AU (1) AU2008206239A1 (ko)
BR (1) BRPI0806915A2 (ko)
CA (1) CA2670810A1 (ko)
IL (1) IL199917A0 (ko)
MX (1) MX2009007689A (ko)
RU (1) RU2009131028A (ko)
WO (1) WO2008089304A1 (ko)
ZA (1) ZA200905695B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101146559B1 (ko) * 2010-05-18 2012-05-25 한국과학기술연구원 분광법을 이용한 인주 및 서명 감식 방법

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090003699A1 (en) * 2007-05-29 2009-01-01 Peter Dugan User guided object segmentation recognition
CN102323241B (zh) * 2011-07-27 2013-07-03 上海交通大学 面向光学传感器的一维光谱数据特征检测方法
US20130297254A1 (en) * 2012-05-04 2013-11-07 Morpho Detection, Inc. Systems and methods for identifying a mixture
US9804290B2 (en) * 2013-04-02 2017-10-31 Morpho Detection, Llc Cross-correlated gamma ray and neutron detector
CN103557932A (zh) * 2013-11-13 2014-02-05 北京普拉斯科技发展有限公司 可配置风电机组在线信号采集与存储装置
CN105987753A (zh) * 2015-02-11 2016-10-05 河北伊诺光学科技有限公司 一种基于云计算的光谱专家系统及其使用方法
CN105571716B (zh) * 2015-12-22 2018-03-30 哈尔滨工业大学 一种基于差分与卷积核的线采样高光谱数据目标探测方法
CN105842729B (zh) * 2016-03-28 2019-05-17 福建师范大学 一种基于软件多道脉冲幅度分析器的能谱测量系统
CN110261923B (zh) * 2018-08-02 2024-04-26 浙江大华技术股份有限公司 一种违禁品检测方法及装置
JP6978091B2 (ja) * 2019-06-25 2021-12-08 ソイルアンドロックエンジニアリング株式会社 密度測定装置および密度測定方法
GB2602153B (en) * 2020-12-21 2023-09-06 Thermo Fisher Scient Bremen Gmbh Optical spectrometer
FR3131642A1 (fr) * 2021-12-30 2023-07-07 Commissariat à l'Energie Atomique et aux Energies Alternatives Procédé de traitement d’un spectre d’un rayonnement X ou gamma
CN114965348B (zh) * 2022-07-27 2022-11-15 浙江数翰科技有限公司 基于污水检测的光谱解析方法和系统
WO2024050199A1 (en) * 2022-09-01 2024-03-07 Rapiscan Holdings, Inc. Systems and methods for classification of radiation energy spectra

Family Cites Families (86)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL7110516A (ko) * 1971-07-30 1973-02-01
NL7707065A (nl) * 1976-06-28 1977-12-30 Bicron Corp Scintillatiedetector.
IL63529A (en) * 1981-08-07 1985-03-31 Univ Ben Gurion Fast neutron radiography system
SE447141B (sv) * 1985-04-24 1986-10-27 Hans Georgii Offshore-anleggning
US5081581A (en) * 1987-05-22 1992-01-14 The University Of Michigan Correction for Compton scattering by analysis of energy spectra
US5056958A (en) * 1989-04-21 1991-10-15 Campbell Colin G Method and apparatus for recovering floating petroleum
IL94691A0 (en) * 1990-06-11 1991-04-15 Elscint Ltd Compton free gamma camera images
JPH07104956B2 (ja) * 1990-07-26 1995-11-13 株式会社島津製作所 高精度ピーク認定法
US5171986A (en) * 1991-09-27 1992-12-15 Schlumberger Technology Corporation Methods and apparatus for calibration of BGO scintillator gamma ray energy spectra
US5241573A (en) * 1992-01-08 1993-08-31 Thacker Michael S Shield apparatus
US5298756A (en) * 1992-10-16 1994-03-29 Fibertek, Inc. Scintillator fiber optic long counter
US5308986A (en) * 1992-12-17 1994-05-03 Nanoptics Incorporated High efficiency, high resolution, real-time radiographic imaging system
JP3327602B2 (ja) * 1992-12-28 2002-09-24 東北電力株式会社 放射線検出光伝送装置
US5471987A (en) * 1993-03-30 1995-12-05 Konica Corporation Method of compressing a dynamic range for a radiation image
US5532122A (en) * 1993-10-12 1996-07-02 Biotraces, Inc. Quantitation of gamma and x-ray emitting isotopes
JPH0894551A (ja) * 1994-09-28 1996-04-12 Nippon Steel Corp ラザフォード後方散乱分光分析データ解析方法
US5633508A (en) * 1995-10-12 1997-05-27 Cold Spring Granite Company Secondary shielding structure
US6515285B1 (en) * 1995-10-24 2003-02-04 Lockheed-Martin Ir Imaging Systems, Inc. Method and apparatus for compensating a radiation sensor for ambient temperature variations
JP3546587B2 (ja) * 1996-04-19 2004-07-28 株式会社島津製作所 放射線撮像装置
US5665970A (en) * 1996-07-03 1997-09-09 The United States Of America As Represented By The Secretary Of The Army Directional radiation detector and imager
US5838759A (en) * 1996-07-03 1998-11-17 Advanced Research And Applications Corporation Single beam photoneutron probe and X-ray imaging system for contraband detection and identification
JPH1048342A (ja) * 1996-08-02 1998-02-20 Hitachi Ltd 放射能測定方法
US6118850A (en) * 1997-02-28 2000-09-12 Rutgers, The State University Analysis methods for energy dispersive X-ray diffraction patterns
US20040126895A1 (en) * 1998-01-13 2004-07-01 James W. Overbeck Depositing fluid specimens on substrates, resulting ordered arrays, techniques for analysis of deposited arrays
US6011266A (en) * 1998-04-15 2000-01-04 Lockheed Martin Energy Research Corporation Apparatus and method for the simultaneous detection of neutrons and ionizing electromagnetic radiation
US6370222B1 (en) * 1999-02-17 2002-04-09 Ccvs, Llc Container contents verification
US6362472B1 (en) * 1999-10-22 2002-03-26 Ethicon Endo-Surgery, Inc. Method for calibrating a radiation detection system
US20030165211A1 (en) * 2002-03-01 2003-09-04 Lee Grodzins Detectors for x-rays and neutrons
US6407390B1 (en) * 2000-03-27 2002-06-18 Saint-Gobain Industrial Ceramics, Inc. Temperature compensated scintillation detector and method
US6433335B1 (en) * 2000-10-03 2002-08-13 The United States Of America As Represented By The Secretary Of The Army Geiger-Mueller triode for sensing the direction of incident ionizing gamma radiation
US6479826B1 (en) * 2000-11-22 2002-11-12 The United States Of America As Represented By The United States Department Of Energy Coated semiconductor devices for neutron detection
US20020175291A1 (en) * 2001-04-06 2002-11-28 Reeder Paul L. Radiation detection and discrimination device, radiation survey instrument, and method
US6545281B1 (en) * 2001-07-06 2003-04-08 The United States Of America As Represented By The United States Department Of Energy Pocked surface neutron detector
US6708140B2 (en) * 2002-02-12 2004-03-16 Mct Industries System and method for detecting and monitoring noncompliant interstate transportation of materials
US8502699B2 (en) * 2001-09-28 2013-08-06 Mct Technology, Llc Integrated detection and monitoring system
US7142109B1 (en) * 2001-10-26 2006-11-28 Innovative American Technology, Inc. Container verification system for non-invasive detection of contents
US7592601B2 (en) * 2001-10-26 2009-09-22 Innovative American Technology Inc. Radiation detection system using solid-state detector devices
US7269527B1 (en) * 2006-01-17 2007-09-11 Innovative American Technology, Inc. System integration module for CBRNE sensors
US7851766B2 (en) * 2001-10-26 2010-12-14 Innovative American Technology Inc. Multi-stage system for verification of container contents
DE10160928A1 (de) * 2001-12-12 2003-06-26 Noell Crane Sys Gmbh Vorrichtung und Verfahren zur berührungslosen Ladungskontrolle an Krananlagen
US20030144800A1 (en) * 2001-12-31 2003-07-31 Lockheed Martin Corporation Methods and system for hazardous material early detection for use with mail and other objects
US7002143B2 (en) * 2002-02-15 2006-02-21 Internaional Businessmachines Corporation Method and apparatus for compensating waveforms, spectra, and profiles derived therefrom for effects of drift
KR100459475B1 (ko) * 2002-04-04 2004-12-03 엘지산전 주식회사 차종 판단 시스템 및 그 방법
JP2005523460A (ja) * 2002-04-19 2005-08-04 ワブバンク インコーポレイテッド 低周波数スペクトル成分に基づくサンプル検出の方法、装置、並びに、そのシステム
WO2003091697A2 (en) * 2002-04-26 2003-11-06 Bartlett Support Services, Inc. Crane mounted cargo container inspection apparatus and method
CN1659601A (zh) * 2002-06-12 2005-08-24 俄亥俄昆泰尔公司 用于检测放射性材料的方法和设备
US20050001728A1 (en) * 2003-06-27 2005-01-06 Appelt Daren R. Equipment and method for identifying, monitoring and evaluating equipment, environmental and physiological conditions
US7356115B2 (en) * 2002-12-04 2008-04-08 Varian Medical Systems Technology, Inc. Radiation scanning units including a movable platform
US6960047B2 (en) * 2002-08-02 2005-11-01 Innovative Technology Application, Inc. Protection barrier apparatus
US7164138B2 (en) * 2002-10-29 2007-01-16 The Regents Of The University Of Michigan High-efficiency neutron detectors and methods of making same
JP3981976B2 (ja) * 2002-11-18 2007-09-26 株式会社島津製作所 Ｘ線分析方法
US7109859B2 (en) * 2002-12-23 2006-09-19 Gentag, Inc. Method and apparatus for wide area surveillance of a terrorist or personal threat
US7026944B2 (en) * 2003-01-31 2006-04-11 Veritainer Corporation Apparatus and method for detecting radiation or radiation shielding in containers
US7116235B2 (en) * 2003-01-31 2006-10-03 Veritainer Corporation Inverse ratio of gamma-ray and neutron emissions in the detection of radiation shielding of containers
US6778469B1 (en) * 2003-02-12 2004-08-17 Science Applications International Corporation Harbor fence
JP4822669B2 (ja) * 2003-02-19 2011-11-24 アグフア・ヘルスケア・ナームローゼ・フエンノートシヤツプ 画像の配向を決める方法
EP1606654A2 (en) * 2003-03-06 2005-12-21 Randolph & Baldwin Radiation detection and tracking with gps-enabled wireless communication system
US20050135535A1 (en) * 2003-06-05 2005-06-23 Neutron Sciences, Inc. Neutron detector using neutron absorbing scintillating particulates in plastic
US6937692B2 (en) * 2003-06-06 2005-08-30 Varian Medical Systems Technologies, Inc. Vehicle mounted inspection systems and methods
US6998617B2 (en) * 2003-06-11 2006-02-14 Cargo Sentry, Inc. Apparatus and method for detecting weapons of mass destruction
US7064336B2 (en) * 2003-06-20 2006-06-20 The Regents Of The University Of California Adaptable radiation monitoring system and method
US6845873B1 (en) * 2003-07-17 2005-01-25 Nigel Chattey Crane apparatus equipped with container security scanning system
EP1515151B1 (en) * 2003-09-12 2006-10-04 Bruker BioSpin GmbH Method of resonance spectroscopy for the analysis of statistical properties of samples
JP2005121583A (ja) * 2003-10-20 2005-05-12 Japan Nuclear Cycle Development Inst States Of Projects 放射線飛来方向検出装置
US7115875B1 (en) * 2004-02-17 2006-10-03 Photodetection Systems, Inc. PET scanner with photodetectors and wavelength shifting fibers
US7151815B2 (en) * 2004-04-06 2006-12-19 Westinghouse Electric Co Llc Nonintrusive method for the detection of concealed special nuclear material
JP4565546B2 (ja) * 2004-04-09 2010-10-20 株式会社リガク Ｘ線分析方法及びｘ線分析装置
US7244947B2 (en) * 2004-04-13 2007-07-17 Science Applications International Corporation Neutron detector with layered thermal-neutron scintillator and dual function light guide and thermalizing media
US7183554B2 (en) * 2004-04-29 2007-02-27 Massachusetts Institute Of Technology Detection of nuclear weapons and fissile material abroad cargo containerships
JP2006029986A (ja) * 2004-07-16 2006-02-02 Fuji Electric Systems Co Ltd 放射線測定装置
WO2006036425A2 (en) * 2004-08-26 2006-04-06 Canberra Industries, Inc. Nuclide identifier system
US7151447B1 (en) * 2004-08-31 2006-12-19 Erudite Holding Llc Detection and identification of threats hidden inside cargo shipments
US20060138331A1 (en) * 2004-10-18 2006-06-29 Technology Management Consulting Services, Inc. Detector system for traffic lanes
CA2511593A1 (en) * 2004-10-18 2006-04-18 Hugh Robert Andrews A method and apparatus for detection of radioactive materials
US7496483B2 (en) * 2004-10-18 2009-02-24 Lockheed Martin Corporation CBRN attack detection system and method II
JP5227026B2 (ja) * 2004-10-28 2013-07-03 セルノ・バイオサイエンス・エルエルシー 定性的なおよび定量的な質量スペクトル分析
JP3983762B2 (ja) * 2004-12-15 2007-09-26 アンリツ株式会社 Ｘ線回折測定解析方法及びプログラム
US7056725B1 (en) * 2004-12-23 2006-06-06 Chao-Hui Lu Vegetable alga and microbe photosynthetic reaction system and method for the same
US7324921B2 (en) * 2004-12-28 2008-01-29 Rftrax Inc. Container inspection system
US20060157655A1 (en) * 2005-01-19 2006-07-20 Richard Mammone System and method for detecting hazardous materials
US8173970B2 (en) * 2005-02-04 2012-05-08 Dan Inbar Detection of nuclear materials
US7391028B1 (en) * 2005-02-28 2008-06-24 Advanced Fuel Research, Inc. Apparatus and method for detection of radiation
US7550738B1 (en) * 2005-04-28 2009-06-23 Utah State University Nuclear material identification and localization
US7411198B1 (en) * 2006-05-31 2008-08-12 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Integrator circuitry for single channel radiation detector
US7388206B2 (en) * 2006-06-16 2008-06-17 Ge Homeland Protection, Inc. Pulse shape discrimination method and apparatus for high-sensitivity radioisotope identification with an integrated neutron-gamma radiation detector
US7863579B2 (en) * 2007-05-09 2011-01-04 Avraham Suhami Directional neutron detector

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101146559B1 (ko) * 2010-05-18 2012-05-25 한국과학기술연구원 분광법을 이용한 인주 및 서명 감식 방법

Also Published As

Publication number Publication date
AU2008206239A1 (en) 2008-07-24
US20070211248A1 (en) 2007-09-13
EP2111541A1 (en) 2009-10-28
RU2009131028A (ru) 2011-02-27
BRPI0806915A2 (pt) 2014-04-29
IL199917A0 (en) 2010-04-15
MX2009007689A (es) 2009-07-29
CA2670810A1 (en) 2008-07-24
EP2111541A4 (en) 2012-06-13
JP2010517015A (ja) 2010-05-20
CN101632011A (zh) 2010-01-20
ZA200905695B (en) 2010-07-28
WO2008089304A1 (en) 2008-07-24

Similar Documents

Publication Publication Date Title
KR20090101380A (ko) 스펙트럼 분석을 위한 첨단 패턴 인식 시스템
CN105607111B (zh) 一种γ核素识别方法
He et al. Rapid radionuclide identification algorithm based on the discrete cosine transform and BP neural network
Alharbi Principal Component Analysis for pulse-shape discrimination of scintillation radiation detectors
US20240125717A1 (en) Systems And Methods For Interpreting High Energy Interactions
US20160116615A1 (en) Method of processing a particle spectrum
US9651505B2 (en) Method for obtaining information about a radiation source or a material interacting with a radiation source and a measurement setup for performing the method
US20210025836A1 (en) Substance identification device and method for extracting statistical feature based on cluster analysis
US7852226B2 (en) Spectroscopic portal for an adaptable radiation area monitor
US10557808B2 (en) Method and apparatus for discriminating resin
Sullivan et al. Automated photopeak detection and analysis in low resolution gamma-ray spectra for isotope identification
KR102249120B1 (ko) 피검자의 체내·외 방사능 오염 분석 프로그램 및 분석 시스템
US20140309967A1 (en) Method for Source Identification from Sparsely Sampled Signatures
CN105628715A (zh) 原料钾矿碘化钠晶体测钾仪
Stephani et al. Automatically detecting peaks in terahertz time-domain spectroscopy
Korun et al. Determination of the measurement threshold in gamma-ray spectrometry
Zabulonov et al. A method of rapid testing of radioactivity of different materials
KR101963520B1 (ko) 분석 방법, 분석 장치 및 분석 프로그램을 기록한 컴퓨터 판독가능 기록 매체
EP3210045B1 (fr) Procédé d'identification d'un isotope, programme pour l'identification d'un isotope et dispositif d'identification d'isotopes
Sverchkov et al. Determination of carbon, oxygen, hydrogen and nitrogen content in coals using WDXRF scattering spectra
Korun et al. Reliability of the peak-analysis results in gamma-ray spectrometry for high relative peak-area uncertainties
Rastegarzadeh et al. An investigation on the rise time characteristics of particles in extensive air showers
Ahmadiyeh et al. Roadmap for outlier detection in univariate linear calibration in analytical chemistry: Tutorial review
Smith et al. Viability of UF6 cylinder verification using the hybrid enrichment verification array
Shokair Detection of embedded radiation sources using temporal variation of gamma spectral data.

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application