.png){kind=icon}
返回
Predicting radiation distribution via neural operator trained on basis function-generated data
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cpc.2025.109710.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过求解输运方程预测辐射相关量的分布是一个计算密集型过程，需要大量的计算资源。神经网络有望实现快速预测；然而，其应用受到训练数据集稀缺的限制。本研究介绍了一种使用傅里叶神经网络算子（FNO）预测辐射分布的方法，通过基函数生成数据来缓解数据集有限带来的挑战。我们的数值实验以正电子发射断层扫描-计算机断层扫描（PET-CT）检查中光子沉积能量分布的预测为例。在由基函数生成的数据集上训练的FNOs表现出与在CT图像数据上训练的FNOs相当的性能。具体而言，在基函数生成数据集上训练的FNOs的均绝对误差（MAE）不到在CT图像上训练的3D U-Net的65%，而3D U-Net在核医学领域中常用于剂量分布预测。FNO的推理时间约为0.1秒，显著快于蒙特卡罗模拟所需的时间。我们的发现强调了在基函数生成数据上训练的FNOs的泛化能力。这表明了一种快速预测辐射场的实用方法。此外，它还表明，使用基函数生成数据集的策略可以有效克服可用数据集稀缺造成的限制。
Keyword:
Fourier Neural Operator
radiation distribution prediction
basis functions
dataset generation
PET-CT
neural networks
computational efficiency
