Speaker
Mr
祥涛 曾
(高能所)
Description
因为高探测效率、优异的三维位置分辨率以及具备高时间分辨潜力，连续晶体探测器受到广泛关注。 漫长且繁琐的位置标定过程是限制连续晶体探测器发展和应用的关键瓶颈之一。 在这项工作中，我们研究了卷积神经网络(CNN)在连续晶体探测器位置定位中的应用。分别搭建了基于TOFPET2 ASIC的连续晶体探测器实验平台和基于GEANT4的蒙特卡洛模拟模型。LYSO晶体尺寸为26 mm ×26 mm ×20 mm, 为减少内部反射晶体的五面被涂黑。 采用的硅光电倍增管(SiPM)阵列为8×8 MicroFJ-30035。 在模拟中考虑了非理想的硅光电倍增管、ASIC的电子学噪声和能量阈值，晶体表面涂黑的全反射模型。非理想SiPM模型包括了探测效率(PDE≤50%)、暗计数率(DRC=150Hz/mm2)、串扰(25%)和后脉冲(5%)。 模拟上证实在涂黑颜料折射率为1.65和电子学噪声(FWHM)为1.9%的511keV全能峰峰位的条件下，能谱和分辨率与实验结果相吻合。研究结果显示在数据量相等条件下，采用模拟和实验混合数据作为训练数据集，与单独使用模拟或实验数据作为训练集相比，标定散点图和空间分辨率相近，平均空间分辨率为0.96 mm。 研究表明，加入蒙特卡洛模拟数据可以减少对实验的依赖，提高标定速度。
