🔬 physics

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

Cet article propose une approche basée sur la vision par ordinateur qui convertit les données de rayons gamma en mode liste en spectrogrammes multicanaux afin d'exploiter les réseaux de neurones pour une meilleure identification des radioisotopes en milieu urbain, démontrant qu'un réseau de neurones convolutifs surpasse les méthodes traditionnelles de factorisation en matrices non négatives à de faibles taux de faux positifs sur le benchmark RADAI.

Auteurs originaux : Masen Bachleda, Peter Lalor

Publié 2026-07-02

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Masen Bachleda, Peter Lalor

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous marchez dans une place de ville bruyante et animée pour chercher une personne spécifique portant un chapeau rouge vif. Le problème est que la place est remplie d'autres personnes portant des chapeaux rouges (le bruit de fond), et la personne que vous cherchez pourrait ne montrer son chapeau que pendant une fraction de seconde avant de disparaître dans la foule. C'est essentiellement ce que les scientifiques font face lorsqu'ils tentent de trouver des matières radioactives cachées dans une ville à l'aide de détecteurs de rayons gamma.

Voici une décomposition du travail de l'article, expliquée simplement :

Le défi : Trouver une aiguille dans une botte de foin

Les matières radioactives émettent de l'énergie que les détecteurs peuvent « voir » sous la forme d'un spectre (un graphique des niveaux d'énergie). Dans une ville, cependant, le sol, les bâtiments et le béton émettent naturellement leur propre rayonnement. Cela crée un « bourdonnement » constant et changeant de bruit de fond.

Le problème : Les méthodes traditionnelles recherchent des « pics » spécifiques dans les données, comme on chercherait une forme particulière dans un nuage. Mais dans une ville en mouvement, le fond change constamment, et la source radioactive peut n'être présente que pendant quelques secondes. C'est comme essayer de repérer un ami dans une foule alors que vous courez tous les deux, et que la foule change de vêtements en permanence.
Les données : Les chercheurs ont utilisé un ensemble de données massives générées par ordinateur appelé RADAI. Il simule un détecteur circulant dans une ville virtuelle pendant des heures, rencontrant des sources radioactives rares au milieu d'une mer de rayonnement de fond naturel.

La nouvelle idée : Transformer le son en film

Au lieu de considérer les données comme un graphique statique unique, les auteurs ont décidé de les traiter comme un film.

La cascade : Ils ont pris les données brutes et les ont empilées au fil du temps pour créer un « spectrogramme en cascade » (waterfall spectrogram). Imaginez une cascade où l'axe horizontal est le type d'énergie (comme des notes de musique) et l'axe vertical est le temps.
L'analogie : Pensez à une photo standard. Une photo en couleur possède trois couches (Rouge, Vert, Bleu) pour créer une image complète. Les auteurs ont traité leur « cascade » de manière similaire. Au lieu d'empiler le temps les uns sur les autres comme des rangées séparées, ils ont traité les moments consécutifs dans le temps comme des canaux de couleur.
- Tout comme vos yeux combinent le Rouge, le Vert et le Bleu pour voir une image complète, l'ordinateur combine ces « tranches de temps » pour voir un motif qui inclut à la fois ce qu'est l'énergie et comment elle change dans le temps.

Le test : Trois différents « yeux »

L'équipe a entraîné trois types d'« yeux » de vision par ordinateur (réseaux de neurones) pour regarder ces films en cascade et repérer les sources radioactives :

Le MLP (Perceptron Multicouche) : Un cerveau basique qui regarde l'image entière à la fois sans comprendre comment les parties sont liées entre elles.
Le CNN (Réseau de Neurones Convolutifs) : Un œil sophistiqué qui cherche des motifs locaux, comme la reconnaissance d'une forme ou d'une texture spécifique, de la même manière que nous reconnaissons un visage en regardant les yeux et la bouche ensemble.
Le ViT (Vision Transformer) : Un œil de haute technologie capable de regarder l'image entière et de comprendre comment des parties distantes sont liées entre elles (comme relier un nez sur le côté gauche d'un visage à un menton sur le côté droit).

Les résultats : Qui a gagné la partie ?

Les chercheurs ont testé ces « yeux » contre la méthode de référence actuelle, appelée NMF (Factorisation en Matrice Non Négative), qui est comme un bibliothécaire très strict qui ne reconnaît les objets que s'ils correspondent parfaitement à une liste pré-établie.

Lorsque les règles étaient légèrement assouplies (autorisant 1 fausse alerte par heure) :
Le CNN a gagné. Il était meilleur pour repérer les sources radioactives que le bibliothécaire (NMF). Il a trouvé plus de sources et les a identifiées avec plus de précision.
- Pourquoi ? Le CNN a appris à reconnaître des motifs subtils et des changements au fil du temps que la liste rigide du bibliothécaire a manqués. C'était comme un détective qui remarque la démarche d'une personne ou sa façon de bouger, et pas seulement son visage.
Lorsque les règles étaient très strictes (autorisant très peu de fausses alertes) :
Le Bibliothécaire (NMF) a gagné à nouveau. Lorsque le système était contraint d'être extrêmement prudent pour éviter les fausses alertes, les réseaux de neurones commençaient à manquer des choses, tandis que la méthode basée sur des modèles tenait bon.
- Pourquoi ? Les réseaux de neurones sont excellents pour trouver des motifs complexes et cachés, mais ils peuvent parfois devenir « trop enthousiastes » et voir des choses qui n'existent pas lorsque le niveau d'exigence de précision est incroyablement élevé.

La décomposition par type de source

L'article a également examiné quel type de matière radioactive était trouvé :

Sources industrielles (comme le 137Cs) : Elles possèdent des signatures très claires et distinctes. Le « Bibliothécaire » (NMF) était en fait meilleur pour celles-ci car elles sont faciles à faire correspondre à une liste.
Matériaux nucléaires et fond naturel (NORM) : Ce sont les plus difficiles à trouver car ils ressemblent beaucoup au bruit de fond naturel de la ville. Ici, le CNN a apporté une amélioration massive, trouvant ces sources 20 fois mieux que le Bibliothécaire. Il a appris à repérer les différences infimes et subtiles que les listes conçues par l'homme ne pouvaient pas capturer.

L'essentiel à retenir

Cet article montre qu'en transformant les données de radiation en « films » et en utilisant des techniques de vision par ordinateur (particulièrement les CNN), nous pouvons construire de meilleurs détecteurs pour trouver des matières radioactives cachées dans les villes.

Le bon côté : Ces nouvelles méthodes d'IA sont bien meilleures pour trouver des sources difficiles et discrètes qui ressemblent au bruit de fond.
Le bémol : Elles ont encore un peu de mal lorsque les règles exigent zéro erreur.
Le futur : Les auteurs suggèrent que la meilleure solution pourrait être une équipe hybride : utiliser le « Bibliothécaire » pour les objets faciles à repérer et le « Détective IA » pour les plus complexes et cachés.

L'article conclut que, bien que l'IA ne soit pas encore parfaite, elle bat déjà les méthodes traditionnelles dans les scénarios les plus difficiles, prouvant que l'enseignement aux ordinateurs pour « regarder » les données de radiation comme un film est une nouvelle stratégie puissante.

Résumé technique : Réseaux de neurones basés sur la vision par ordinateur pour l'identification de radioisotopes en milieux urbains

Énoncé du problème
L'identification de radioisotopes dans des scénarios de recherche urbaine mobile présente des défis importants pour les algorithmes de détection automatisés. Les environnements urbains sont caractérisés par des arrière-plans non uniformes, incluant des matières radioactives naturelles (NORM) présentes dans les matériaux de construction et le sol, ce qui crée un rayonnement de fond dépendant de la localisation et variant temporellement. Cette variabilité, combinée à la nature transitoire des rencontres de sources (événements brefs au sein de mesures continues) et à un déséquilibre de classes sévère (où les échantillons de fond surpassent largement les signatures de menaces rares), occulte les signatures de menaces. Les méthodes traditionnelles d'analyse de pics peinent dans ces scénarios dynamiques de courte durée, tandis que les approches d'apprentissage automatique existantes traitent souvent la classification comme un problème de reconnaissance de formes statiques sur des spectres accumulés, ignorant ainsi les précieuses informations temporelles. De plus, le développement d'algorithmes robustes est entravé par la rareté des ensembles de données réels étiquetés à grande échelle, en raison des contraintes de sécurité et de la difficulté d'acquérir une vérité terrain.

Méthodologie
Pour répondre à ces défis, les auteurs proposent un cadre d'apprentissage automatique qui convertit les données brutes de comptage de photons (list-mode) en spectrogrammes de type « cascade » (waterfall) en deux dimensions et applique des architectures de vision par ordinateur à ces images. L'innovation centrale réside dans la représentation des données : plutôt que de traiter la cascade comme une image spatiale conventionnelle, les auteurs utilisent une représentation où les spectres temporels consécutifs forment les canaux d'entrée, de manière analogue aux canaux RVB des images en couleur. Cette conception encode à la fois l'information spectrale (le long de l'axe d'énergie) et l'information temporelle (à travers les canaux), permettant aux réseaux de neurones d'apprendre des motifs capables de distinguer les signatures de sources des fluctuations de fond.

La méthodologie utilise le jeu de données de référence RADAI (Radiological Anomaly Detection and Identification), un ensemble de données synthétiques à grande échelle comprenant des simulations Monte Carlo de haute fidélité de scénarios de détection mobiles avec des étiquettes de vérité terrain détaillées. Le pipeline de prétraitement comprend :

Génération de la cascade (Waterfall) : Le regroupement des événements de photons en spectres gamma 1D en utilisant un schéma de discrétisation d'énergie non linéaire (racine carrée). Ces spectres sont empilés verticalement pour former des cascades 2D, où l'axe vertical représente la progression temporelle et l'axe horizontal représente l'énergie spectrale.
Fenêtre glissante : Une approche par fenêtre glissante est utilisée pour générer des échantillons fortement chevauchants, augmentant la taille effective de l'ensemble d'entraînement et capturant les rencontres de sources à diverses positions temporelles au sein de la cascade.
Architectures : Trois architectures de vision par ordinateur sont évaluées :
- Perceptron multicouche (MLP) : Aplatit la cascade pour tester si les relations de caractéristiques apprises suffisent à elles seules.
- Réseau de neurones convolutifs (CNN) : Utilise des convolutions 1D le long de l'axe d'énergie, traitant les fenêtres temporelles comme des canaux d'entrée pour apprendre des motifs spectraux cohérents (ex: la forme des pics photoélectriques) à travers le temps.
- Vision Transformer (ViT) : Adapte les mécanismes d'auto-attention pour capturer les corrélations à longue portée entre des caractéristiques spectrales distantes.
Entraînement et optimisation : Les modèles sont entraînés en utilisant la perte focale (Focal Loss) pour traiter le déséquilibre des classes. La métrique d'optimisation principale est le taux d'identification vrai (True Identification Rate - TIDR), contraint par des objectifs de taux de faux positifs (FPR) (ex: < 1 fausse alarme par heure). Un pipeline de post-traitement en deux étapes (regroupement temporel et sélection de seuil contrainte par le FPR) est utilisé pour consolider les prédictions et générer les soumissions finales.

Principales contributions

Nouvelle représentation des données : L'introduction d'une représentation par canaux pour les spectrogrammes de cascade, permettant aux réseaux de neurones de traiter les séquences temporelles comme des canaux d'entrée similaires aux canaux de couleur dans les images.
Évaluation de référence : Une évaluation rigoureuse de trois architectures distinctes de réseaux de neurones (MLP, CNN, ViT) sur le benchmark RADAI, fournissant une analyse comparative par rapport à la méthode de référence de factorisation de matrice non négative (NMF).
Analyse de performance : Une décomposition détaillée des performances selon différentes catégories de sources (Industrielles, Médicales, NORM et Matériaux Nucléaires), mettant en évidence les forces et faiblesses spécifiques des représentations apprises par rapport aux méthodes basées sur des modèles (templates).

Résultats
L'étude a évalué les modèles à trois niveaux de contrainte de FPR. À la contrainte de moins d'une fausse alarme par heure (FPR < 1) :

Le CNN a surpassé la méthode de référence NMF sur tous les indicateurs globaux, atteignant un taux de détection vrai (TDR) de 0,4334, un taux de classification vrai (TCR) de 0,3965 et un taux d'identification vrai (TIDR) de 0,2950. En comparaison, la NMF a atteint respectivement 0,4151, 0,3611 et 0,2625.
Le CNN a montré une force particulière dans les scénarios de détection difficiles. Pour les sources NORM (qui ressemblent étroitement au bruit de fond), le CNN a atteint un TDR de 0,0965 contre 0,0044 pour la NMF (une amélioration de plus de 20 fois). Pour les matériaux nucléaires, le CNN a atteint un TIDR de 0,3124 contre 0,2118 pour la NMF.
Cependant, à des contraintes de FPR plus faibles (ex: FPR < 0,25 et FPR < 0,125), la méthode de référence NMF a démontré une performance supérieure, suggérant que les approches basées sur des modèles restent plus robustes lorsque les fausses alarmes doivent être minimisées.
Pour les sources industrielles (possédant des pics photoélectriques distinctifs comme $^{137}$ Cs et $^{60}$ Co), la NMF a maintenu les taux d'identification les plus élevés, indiquant que les réseaux de neurones apprennent peut-être une complexité inutile pour les sources dotées de signatures spectrales sans ambiguïté.

Signification et affirmations
L'article affirme que les méthodes d'apprentissage automatique, spécifiquement celles utilisant des architectures de vision par ordinateur sur des spectrogrammes de cascade, sont compétitives et peuvent surpasser les approches traditionnelles basées sur des modèles (comme la NMF) dans les scénarios de recherche urbaine mobile, particulièrement lorsque des taux de fausses alarmes modérés sont acceptables. Les résultats démontrent que les caractéristiques convolutives apprises peuvent capturer des motifs spectraux subtils et des dynamiques temporelles que les modèles fixes ignorent, offrant des avantages significatifs pour la détection de sources complexes comme les NORM et les matériaux nucléaires.

Cependant, les auteurs conservent un ton modeste concernant les limites. Ils reconnaissent qu'aux contraintes de faux positifs plus strictes, l'apprentissage automatique est actuellement moins performant que la NMF. L'article suggère que la stratégie optimale dépendra du contexte opérationnel, les méthodes basées sur des modèles excellant pour les signatures distinctives et les méthodes apprises pour les motifs subtils et complexes. Les auteurs proposent que les travaux futurs explorent des approches hybrides, des méthodes d'ensemble ou des pipelines de détection/classification en deux étapes pour tirer parti des forces complémentaires de ces deux paradigmes.