🔬 physics

Computer vision-based neural networks for radioisotope identification in urban environments

Este artículo propone un enfoque basado en visión artificial que convierte datos de rayos gamma en modo lista en espectrogramas multicanal para aprovechar las redes neuronales con el fin de mejorar la identificación de radioisótopos en entornos urbanos, demostrando que una red neuronal convolucional supera a los métodos tradicionales de factorización de matrices no negativas en tasas bajas de falsos positivos en el benchmark RADAI.

Autores originales: Masen Bachleda, Peter Lalor

Publicado 2026-07-02

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Masen Bachleda, Peter Lalor

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás caminando por una plaza de la ciudad, concurrida y ruidosa, intentando encontrar a una persona específica que lleva un sombrero rojo brillante. El problema es que la plaza está llena de otras personas con sombreros rojos (ruido de fondo) y es posible que la persona que buscas solo muestre su sombrero por una fracción de segundo antes de desaparecer entre la multitud. Esto es esencialmente lo que los científicos enfrentan al intentar encontrar materiales radiactivos ocultos en una ciudad mediante detectores de rayos gamma.

Aquí tienes un desglose del trabajo del artículo, explicado de forma sencilla:

El desafío: Buscar una aguja en un pajar

Los materiales radiactivos emiten energía que los detectores pueden "ver" como un espectro (un gráfico de niveles de energía). En una ciudad, sin embargo, el suelo, los edificios y el hormigón emiten su propia radiación de forma natural. Esto crea un "zumbido" constante y cambiante de ruido de fondo.

El problema: Los métodos tradicionales buscan "picos" específicos en los datos, como buscar una forma específica en una nube. Pero en una ciudad en movimiento, el fondo cambia constantemente y la fuente radiactiva puede estar allí solo durante unos segundos. Es como intentar divisar a un amigo en una multitud mientras ambos corren, y la multitud cambia de ropa continuamente.
Los datos: Los investigadores utilizaron un conjunto de datos masivo generado por computadora llamado RADAI. Este simula un detector conduciendo a través de una ciudad virtual durante horas, encontrando fuentes radiactivas raras en medio de un mar de radiación de fondo natural.

La nueva idea: Convertir el sonido en una película

En lugar de ver los datos como un único gráfico estático, los autores decidieron tratarlos como una película.

La cascada: Tomaron los datos brutos y los apilaron a lo largo del tiempo para crear un "espectrograma de cascada" (waterfall spectrogram). Imagina una cascada donde el eje horizontal es el tipo de energía (como notas musicales) y el eje vertical es el tiempo.
La analogía: Piensa en una foto estándar. Una foto a color tiene tres capas (Rojo, Verde, Azul) para crear una imagen completa. Los autores trataron su "cascada" de manera similar. En lugar de apilar el tiempo uno sobre otro como filas separadas, trataron los momentos consecutivos en el tiempo como canales de color.
- Así como tus ojos combinan el Rojo, el Verde y el Azul para ver una imagen completa, la computadora combina estas "rebanadas de tiempo" para ver un patrón que incluye tanto qué es la energía como cómo cambia a lo largo del tiempo.

La prueba: Tres "ojos" diferentes

El equipo entrenó tres tipos diferentes de "ojos" de visión computacional (redes neuronales) para observar estas películas de cascada y detectar las fuentes radiactivas:

El MLP (Perceptrón Multicapa): Un cerebro básico que observa la imagen completa a la vez sin entender cómo se relacionan sus partes entre sí.
El CNN (Red Neuronal Convolucional): Un ojo sofisticado que busca patrones locales, como reconocer una forma o textura específica, de manera similar a cómo reconocemos un rostro al mirar los ojos y la boca juntos.
El ViT (Transformer de Visión): Un ojo de alta tecnología que puede observar la imagen completa y comprender cómo se relacionan partes distantes entre sí (como conectar una nariz en el lado izquierdo de un rostro con una barbilla en el lado derecho).

Los resultados: ¿Quién ganó el juego?

Los investigadores probaron estos "ojos" contra el estándar de oro actual, un método llamado NMF (Factorización de Matrices No Negativas), que es como un bibliotecario muy estricto que solo reconoce artículos si coinciden perfectamente con una lista precrita.

Cuando las reglas se relajaron ligeramente (permitiendo 1 falsa alarma por hora):
El CNN ganó. Fue mejor detectando las fuentes radiactivas que el bibliotecario (NMF). Encontró más fuentes e identificó con mayor precisión.
- ¿Por qué? El CNN aprendió a reconocer patrones sutiles y cambios a lo largo del tiempo que la lista rígida del bibliotecario pasó por alto. Fue como un detective que nota la forma de caminar de una persona o cómo se mueve, no solo su rostro.
Cuando las reglas fueron muy estrictas (permitiendo muy pocas falsas alarmas):
El Bibliotecario (NMF) ganó de nuevo. Cuando el sistema fue obligado a ser extremadamente cauteloso para evitar falsas alarmas, las redes neuronales empezaron a perder cosas, mientras que el método basado en plantillas se mantuvo firme.
- ¿Por qué? Las redes neuronales son excelentes para encontrar patrones complejos y ocultos, pero a veces se "emocionan demasiado" y ven cosas que no están ahí cuando el nivel de exigencia de precisión es increíblemente alto.

El desglose por tipo de fuente

El artículo también analizó qué tipo de material radiactivo se estaba encontrando:

Fuentes industriales (como el 137Cs): Estas tienen firmas muy claras y distintas. El "Bibliotecario" (NMF) fue en realidad mejor para estas porque son fáciles de emparejar con una lista.
Materiales nucleares y fondo natural (NORM): Estos son los más difíciles de encontrar porque se parecen mucho al fondo natural de la ciudad. Aquí, el CNN supuso una mejora masiva, encontrando estas fuentes 20 veces mejor que el Bibliotecario. Aprendió a detectar las diferencias diminutas y sutiles que las listas diseñadas por humanos no pudieron captar.

La conclusión principal

Este artículo demuestra que, al convertir los datos de radiación en "películas" y utilizar técnicas de visión computacional (específicamente CNN), podemos construir detectores mejores para encontrar materiales radiactivos ocultos en las ciudades.

Lo bueno: Estos nuevos métodos de IA son mucho mejores para encontrar fuentes difíciles de detectar que parecen ruido de fondo.
El inconveniente: Todavía tienen dificultades cuando las reglas exigen cero errores.
El futuro: Los autores sugieren que la mejor solución podría ser un equipo híbrido: usar al "Bibliotecario" para artículos fáciles de detectar y al "Detective de IA" para los más complicados y ocultos.

El artículo concluye que, aunque la IA aún no es perfecta, ya está superando a los métodos tradicionales en los escenarios más desafiantes, demostiendo que enseñar a las computadoras a "observar" los datos de radiación como una película es una estrategia poderosa y nueva.

Resumen Técnico: Redes Neuronales Basadas en Visión Computacional para la Identificación de Radioisótopos en Entornos Urbanos

Planteamiento del Problema
La identificación de radioisótopos en escenarios de búsqueda urbana móvil presenta desafíos significativos para los algoritmos de detección automatizados. Los entornos urbanos se caracterizan por fondos no uniformes, que incluyen material radiactivo de origen natural (NORM, por sus siglas en inglés) en materiales de construcción y suelo, lo que crea una radiación de fondo dependiente de la ubicación y variable temporalmente. Esta variabilidad, combinada con la naturaleza transitoria de los encuentros con fuentes (eventos breves dentro de mediciones continuas) y un desequilibrio de clases severo (donde las muestras de fondo superan ampliamente a las firmas de amenazas raras), oscurece las firmas de las amenazas. Los métodos tradicionales basados en picos tienen dificultades en estos escenarios dinámicos de corta duración, mientras que los enfoques de aprendizaje automático existentes a menudo tratan la clasificación como un problema de reconocimiento de patrones estáticos sobre espectros acumulados, descartando información temporal valiosa. Además, el desarrollo de algoritmos robustos se ve obstaculizado por la escasez de conjuntos de datos del mundo real etiquetados debido a restricciones de seguridad y a la dificultad de adquirir la verdad de terreno.

Metodología
Para abordar estos desafíos, los autores proponen un marco de aprendizaje automático que convierte los datos brutos de lista de fotones gamma en espectrogramas de cascada (waterfall) bidimensionales y aplica arquitecturas de visión computacional a estas imágenes. La innovación central reside en la representación de los datos: en lugar de tratar la cascada como una imagen espacial convencional, los autores emplean una representación donde los espectros temporales consecutivos forman los canales de entrada, de forma análoga a los canales RGB en las imágenes a color. Este diseño codifica tanto la información espectral (a lo largo del eje de energía) como la información temporal (a través de los canales), permitiendo que las redes neuronales aprendan patrones que distingan las firmas de las fuentes de las fluctuaciones del fondo.

La metodología utiliza el conjunto de datos de referencia (benchmark) RADAI (Radiological Anomaly Detection and Identification), un conjunto de datos sintéticos a gran escala que cuenta con simulaciones de Monte Carlo de alta fidelidad de escenarios de detección móvil con etiquetas de verdad de terreno detalladas. El proceso de preprocesamiento consiste en:

Generación de Cascada (Waterfall): Agrupación de eventos de fotones en espectros gamma unidimensionales utilizando un esquema de agrupación de energía no lineal (raíz cuadrada). Estos espectros se apilan verticalmente para formar cascadas 2D, donde el eje vertical representa la progresión temporal y el eje horizontal representa la energía espectral.
Ventana Deslizante: Se utiliza un enfoque de ventana deslizante para generar muestras altamente superpuestas, aumentando el tamaño efectivo del conjunto de entrenamiento y capturando encuentros de fuentes en diversas posiciones temporales dentro de la cascada.
Arquitecturas: Se evalúan tres arquitecturas de visión computacional:
- Perceptrón Multicapa (MLP): Aplana la cascada para probar si las relaciones de características aprendidas por sí solas son suficientes.
- Red Neuronal Convolucional (CNN): Utiliza convoluciones 1D a lo largo del eje de energía, tratando las ventanas temporales como canales de entrada para aprender patrones espectrales consistentes (por ejemplo, formas de picos fotográficos) a través del tiempo.
- Vision Transformer (ViT): Adapta los mecanismos de autoatención para capturar correlaciones de largo alcance entre características espectrales distantes.
Entrenamiento y Optimización: Los modelos se entrenan utilizando la Pérdida Focal (Focal Loss) para abordar el desequilibrio de clases. La métrica de optimización principal es la Tasa de Identificación Verdadera (TIDR), restringida por objetivos de Tasa de Falsos Positivos (FPR) (por ejemplo, < 1 falsa alarma por hora). Se utiliza un proceso de post-procesamiento de dos etapas (agrupación temporal y selección de umbral restringido por FPR) para consolidar las predicciones y generar las entregas finales.

Contribuciones Clave

Nueva Representación de Datos: La introducción de una representación basada en canales para los espectrogramas de cascada, permitiendo que las redes neuronales procesen secuencias temporales como canales de entrada similares a los canales de color en las imágenes.
Evaluación de Referencia (Benchmark): Una evaluación rigurosa de tres distintas arquitecturas de redes neuronales (MLP, CNN, ViT) sobre el conjunto de datos RADAI, proporcionando un análisis comparativo contra el método de referencia de Factorización de Matrices No Negativas (NMF).
Análisis de Rendimiento: Desglose detallado del rendimiento a través de diferentes categorías de fuentes (Industriales, Médicas, NORM y Material Nuclear), resaltando las fortalezas y debilidades específicas de las representaciones aprendidas frente a los métodos basados en plantillas.

Resultados
El estudio evaluó los modelos en tres niveles de restricción de FPR. En la restricción de menos de una falsa alarma por hora (FPR < 1):

La CNN superó al método de referencia NMF en todas las métricas globales, logrando una Tasa de Detección Verdadera (TDR) de 0.4334, una Tasa de Clasificación Verdadera (TCR) de 0.3965 y una Tasa de Identificación Verdadera (TIDR) de 0.2950. En comparación, NMF logró 0.4151, 0.3611 y 0.2625, respectivamente.
La CNN mostró una fortaleza particular en escenarios de detección desafiantes. Para las fuentes NORM (que se asemejan estrechamente al fondo), la CNN logró un TDR de 0.0965 frente al 0.0044 de NMF (una mejora de más de 20 veces). Para el Material Nuclear, la CNN logró un TIDR de 0.3124 frente al 0.2118 de NMF.
Sin embargo, en restricciones de FPR más bajas (por ejemplo, FPR < 0.25 y FPR < 0.125), el método de referencia NMF demostró un rendimiento superior, lo que sugiere que los enfoques basados en plantillas siguen siendo más robustos cuando se deben minimizar las falsas alarmas.
Para las fuentes Industriales (con picos fotográficos distintivos como $^{137}$ Cs y $^{60}$ Co), NMF mantuvo las tasas de identificación más altas, indicando que las redes neuronales pueden estar aprendiendo una complejidad innecesaria para fuentes con firmas espectrales inequívocas.

Significancia y Reivindicaciones
El artículo sostiene que los métodos de aprendizaje automático, específicamente aquellos que utilizan arquitecturas de visión computacional en espectrogramas de cascada, son competitivos y pueden superar a los enfoques tradicionales basados en plantillas (como NMF) en escenarios de búsqueda urbana móvil, particularmente cuando se aceptan tasas moderadas de falsas alarmas. Los resultados demuestran que las características convolucionales aprendidas pueden capturar patrones espectrales sutiles y la dinámica temporal que los métodos de plantilla omiten, ofreciendo ventajas significativas para la detección de fuentes desafiantes como NORM y Materiales Nucleares.

No obstante, los autores mantienen un tono modesto respecto a las limitaciones. Reconocen que, ante restricciones de falsos positivos más estrictas, el aprendizaje automático actualmente rinde por debajo de NMF. El artículo sugiere que la estrategia óptima puede depender del contexto operativo, donde los métodos basados en plantillas sobresalen para firmas distintivas y los métodos aprendidos para patrones sutiles y complejos. Los autores proponen que el trabajo futuro debería explorar enfoques híbridos, métodos de ensamble o procesos de detección/clasificación en dos etapas para aprovechar las fortalezas complementarias de ambos paradigmas.