[发明专利]一种利用康普顿散射事例统计进行放射性核素识别的方法

说明书

本发明公开了一种利用康普顿散射事例统计进行放射性核素识别的方法。本方法步骤包括：1)利用目标设备所确定的康普顿散射事例统计数组的特征，测量生成该目标设备的待识别核素库；所述目标设备为能够获取康普顿散射事例的设备；2)利用该目标设备对包含在该待识别核素库中的未知核素进行测试，得到待测康普顿散射事例统计数组；3)计算待测康普顿散射事例统计数组中每一元素i计数率相对于本底情况的倍数的概率密度v_i；4)依据极大似然期望最大化法得到待测核素的种类及量化组分率。本发明能够实现康普顿相机对未知放射性核素的量化识别。

技术领域

本发明属于核辐射探测及核技术应用领域，特别是涉及一种利用康普顿散射事例统计进行放射性核素识别的方法。

背景技术

在核科学技术大力发展的今天，对放射性核素的定性识别与定量测定是核辐射探测的核心任务之一。具有识别放射性核素功能的伽玛谱仪、伽玛相机等设备，在军控核查、核设施监控、核安检与核应急等领域发挥着重要的作用。放射性核素识别的方法一直以来是伽玛能谱和伽玛成像领域的研究热点，其主要原理是利用不同放射性核素的γ能谱具有不同的特征峰，通过对采集的γ能谱进行处理，识别出对应的放射性核素。目前公知的核素识别方法主要包括：1)特征峰匹配法；2)多元线性回归法；3)多变量主成分分析法；4)人工神经网络算法等。这些方法都没有脱离γ能谱这一先决条件，需要高能量分辨的探测器获取完整的能谱数据来进行放射性核素识别。

伽玛成像技术相比于剂量仪、伽玛谱仪等非成像式探测技术，能够在远距离给出核辐射热点分布情况的二维图像，可大幅降低操作人员所受照射剂量。康普顿成像是目前伽玛成像技术中新兴发展并展现出广泛应用的一种技术，基于入射γ光子的康普顿散射原理，通过测量散射点、吸收点的位置以及所沉积的能量，回溯重建出γ光子来源的方向，具有视野范围宽、能量范围广、体积紧凑等优势。应用康普顿成像技术的设备通常称为康普顿相机。康普顿相机在对辐射热点进行重建定位时需要已知入射射线的能量，即依赖于识别辐射环境中的放射性核素。目前康普顿相机中采用的核素识别方法仍是基于获取的γ能谱，分别进行核素成像与核素识别两个环节，没有有效的利用收集康普顿散射事例的过程，存在核素成像和核素识别不同步、需要增加高能量分辨的探测器等问题。本发明方法正是基于康普顿相机对放射性核素识别的特殊需求而提出的。

发明内容

为了解决康普顿相机核素成像与核素识别不同步的问题，本发明的目的在于，提出一种利用康普顿散射事例统计进行放射性核素识别的方法，实现康普顿相机对未知放射性核素的量化识别。

区别于伽玛谱仪以及其他类型的伽玛相机，康普顿相机的主要特征在于其利用康普顿散射事例进行成像，且需要已知入射γ射线的能量，即内置包含待识别放射性核素特征能量的核素库。考虑到其成像过程依赖于获取核素库中满足各核素条件的康普顿散射事例，因此本发明利用对各核素康普顿散射事例的统计信息，实现对未知放射性核素的识别，并通过极大似然期望最大化算法(MLEM)，计算得到识别出的核素量化组分率。MLEM算法是一种在核成像领域公知的迭代算法，具有成熟度较高的应用。本发明选用MLEM算法作为计算核素量化组分率的方法，是因为本发明方法中获取的康普顿散射事例统计信息与待识别核素一一对应，这与MLEM算法中系统响应矩阵(t_ij)的设定相符。本发明方法有效解决了康普顿相机核素成像与核素识别不同步的问题，利用成像过程中收集的康普顿散射事例的统计信息，经MLEM算法计算核素量化组分率，实现对未知放射性核素的识别。

本发明方法首先利用康普顿相机所确定的康普顿散射事例统计数组特征，测量生成该康普顿相机的待识别核素库；应用时，通过测量包含在待识别核素库中的未知核素康普顿散射事例统计数组，依据极大似然期望最大化法得到待测核素的种类及量化组分率。该方法的基本流程图如图1所示，具体步骤包括：

1.依据康普顿相机的能量分辨率、散射能谱范围、以及成像架构等因素，确定康普顿散射事例统计数组的特征，所述康普顿散射事例统计数组中每个数组元素表示一种待识别核素的康普顿散射事例计数率，所述特征包括可识别放射性核素的种类、各核素的判断条件；