🔬 physics

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

本文提出了一种基于计算机视觉的方法，将列表模式伽马射线数据转换为多通道谱图，以利用神经网络提升城市环境中的放射性同位素识别性能，并证明了卷积神经网络在 RADAI 基准测试的低假阳性率下优于传统的非负矩阵分解方法。

原作者： Masen Bachleda, Peter Lalor

发布于 2026-07-02

📖 1 分钟阅读☕ 轻松阅读

原作者： Masen Bachleda, Peter Lalor

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正走在一个繁忙、嘈杂的城市广场上，试图寻找一个戴着鲜红帽子的人。问题在于，城市广场里到处都是戴着红帽子的人（背景噪声），而且你正在寻找的那个人可能只会让他的帽子闪现短短一瞬，然后就消失在人群中。这本质上就是科学家在使用伽马射线探测器寻找隐藏在城市中的放射性物质时所面临的问题。

以下是该论文工作的简要说明：

挑战：大海捞针

放射性材料会发出能量，探测器可以将这些能量识别为“能谱”（即能量水平的图表）。然而，在城市中，地面、建筑物和混凝土本身也会自然发出辐射。这产生了一种持续且不断变化的“嗡嗡声”——即背景噪声。

问题： 传统方法通过寻找数据中的特定“峰值”来工作，就像是在云层中寻找某种特定的形状。但在移动的城市中，背景一直在变化，而放射源可能只存在于短短几秒钟内。这就像是在人群中寻找一位朋友，而你们两个都在奔跑，且人群中的人也在不断变换衣服。
数据： 研究人员使用了一个名为 RADAI 的大规模计算机生成数据集。它模拟了一个探测器在虚拟城市中行驶数小时的过程，在大量的自然背景辐射中遇到了罕见的放射源。

新思路：将声音转化为电影

作者并没有将数据视为单一的静态图表，而是决定将其视为一部**“电影”**。

瀑布图： 他们将原始数据随时间堆叠起来，创建了一个“瀑布频谱图”。想象一下一个瀑布，其水平轴是能量类型（类似于音符），垂直轴是时间。
类比： 想象一张标准的照片。一张彩色照片有三个层级（红、绿、蓝）来构成完整的图像。作者以类似的方式处理他们的“瀑布图”。他们没有简单地将时间作为独立的行进行堆叠，而是将连续的时间片段视为颜色通道。
- 正如你的眼睛结合红色、绿色和蓝色来看到完整的图像一样，计算机结合这些“时间切片”，从而观察到一个既包含能量“是什么”，又包含其“随时间如何变化”的模式。

测试：三种不同的“眼睛”

团队训练了三种不同类型的计算机视觉“眼睛”（神经网络），让它们观察这些瀑布电影并识别出放射源：

MLP（多层感知器）： 一个基础的大脑，它一次观察整个画面，但不理解各部分之间是如何相互关联的。
CNN（卷积神经网络）： 一只精密的眼睛，它寻找局部模式，比如识别特定的形状或纹理，类似于我们通过观察眼睛和嘴巴来识别一张脸。
ViT（视觉 Transformer）： 一只高科技的眼睛，它可以观察全局并理解遥远的部分是如何相互关联的（类似于将左侧的鼻子与右侧的下巴联系起来）。

结果：谁赢得了比赛？

研究人员将这些“眼睛”与目前的金标准——一种被称为 NMF（非负矩阵分解）的方法进行了对比。NMF 就像一位非常严格的图书管理员，只有当物品完美符合预先写好的清单时，他才会予以识别。

当规则稍微放宽时（允许每小时出现 1 次误报）：
CNN 胜出了。它比图书管理员（NMF）更能发现放射源，并且识别得更准确。它发现了更多的来源，并能更精准地识别它们。
- 原因： CNN 学会了识别那些被图书管理员那套僵化的清单所忽略的微妙模式和随时间的变化。这就像是一个侦探，不仅看脸，还会注意到一个人的步态或动作。
当规则非常严格时（允许极少的误报）：
图书管理员（NMF） 再次获胜。当系统被要求必须极其谨慎以避免误报时，神经网络开始漏掉一些东西，而基于模板的方法却能站稳脚跟。
- 原因： 神经网络擅长发现复杂的隐藏模式，但当准确度门槛设得极高时，它们有时会变得“过于兴奋”，从而把不存在的东西当成目标。

按来源类型进行的细分

论文还观察了发现的是哪种类型的放射性材料：

工业源（如 $^{137}\text{Cs}$ ）： 这些具有非常清晰、独特的特征。此时“图书管理员”（NMF）表现更好，因为它们很容易匹配到清单上。
核材料与天然放射性物质（NORM）： 这些是最难寻找的，因为它们看起来与城市的自然背景非常相似。在这种情况下，CNN 取得了巨大的进步，其发现能力比图书管理员高出 20 倍。它学会了捕捉那些人类设计的清单无法捕捉到的微小且微妙的差异。

核心结论

这篇论文表明，通过将辐射数据转化为“电影”并使用计算机视觉技术（特别是 CNN），我们可以构建出更好的探测器，用于寻找隐藏在城市中的放射性物质。

优点： 这些新的 AI 方法在寻找那些看起来像背景噪声的、难以察觉的复杂来源方面表现得更好。
不足： 当规则要求零失误时，它们仍然面临挑战。
未来： 作者建议，最佳解决方案可能是一个“混合团队”：使用“图书管理员”来处理容易识别的项目，并使用“AI 侦探”来处理那些棘手的、隐藏的来源。

论文总结道，虽然 AI 目前尚不完美，但在最具挑战性的场景中，它已经超越了传统方法，这证明了教计算机像“观看”电影一样去“观察”辐射数据是一种强大的新策略。

技术摘要：基于计算机视觉的神经网络在城市环境中放射性同位素识别中的应用

问题陈述
在移动城市搜索场景中，放射性同位素的识别对自动化检测算法提出了重大挑战。城市环境的特征是非均匀的背景，包括建筑材料和土壤中的天然放射性物质（NORM），这些物质会产生与位置相关且随时间变化的背景辐射。这种变异性，结合瞬态源遭遇（连续测量中的短暂事件）以及严重的类别不平衡问题（即背景样本的数量远超稀有的威胁特征），掩盖了威胁信号。传统的基于峰值的分析方法在这些动态、短持续时间的场景中表现挣扎，而现有的机器学习方法通常将分类视为累积能谱上的静态模式识别问题，从而丢弃了宝贵的时间信息。此外，由于安全限制和获取地面真值（ground truth）的困难，大规模标注真实世界数据集的匮乏阻碍了鲁棒算法的发展。

方法论
为了应对这些挑战，作者提出了一种机器学习框架，将原始列表模式（list-mode）伽马射线数据转换为二维瀑布图谱（waterfall spectrograms），并对这些图像应用计算机视觉架构。其核心创新在于数据表示法：作者并未将瀑布图谱视为传统的空间图像，而是采用了一种将连续时间能谱作为输入通道（类似于彩色图像中的 RGB 通道）的表示方法。这种设计编码了光谱信息（沿能量轴）和时间信息（跨通道），使神经网络能够学习区分源特征与背景波动的模式。

该方法利用了 RADAI（放射性异常检测与识别） 基准数据集，这是一个大规模合成数据集，包含具有高保真度蒙特卡洛模拟的移动检测场景，并带有详细的地面真值标签。预处理流程包括：

瀑布图谱生成： 使用非线性（平方根）能量分箱方案将光子事件归入一维伽马能谱。这些能谱被垂直堆叠形成二维瀑布图，其中纵轴代表时间演进，横轴代表光谱能量。
滑动窗口： 使用滑动窗口方法生成高度重叠的样本，以增加有效训练集规模，并捕捉瀑布图谱中不同时间位置的源遭遇。
架构： 评估了三种计算机视觉架构：
- 多层感知器 (MLP)： 通过展平瀑布图谱来测试仅靠学习到的特征关系是否足够。
- 卷积神经网络 (CNN)： 沿能量轴使用一维卷积，将时间窗口视为输入通道，以学习跨时间的连贯光谱模式（例如光电峰形状）。
- 视觉 Transformer (ViT)： 利用自注意力机制来捕捉远距离光谱特征之间的长程相关性。
训练与优化： 模型使用 Focal Loss 进行训练以解决类别不平衡问题。主要优化指标是受误报率（FPR）目标约束的真实识别率（TIDR）（例如，每小时少于 1 次误报）。采用两阶段后处理流水线（时间聚类和 FPR 约束阈值选择）来整合预测结果并生成最终提交结果。

主要贡献

新颖的数据表示法： 引入了基于通道的瀑布图谱表示法，允许神经网络将时间序列作为输入通道处理，类似于彩色图像中的颜色通道。
基准评估： 在 RADAI 基准上对三种不同的神经网络架构（MLP、CNN、ViT）进行了严格评估，提供了与最先进的非负矩阵分解（NMF）基准方法的对比分析。
性能分析： 对不同源类别（工业、医疗、NORM 和核材料）的性能进行了详细分解，强调了学习表示法与模板法在处理不同场景时的优劣势。

结果
研究在三种 FPR 约束水平下评估了模型。在每小时误报少于一次（FPR < 1）的约束下：

CNN 在所有全局指标上均优于基准 NMF 方法，实现了 0.4334 的真实检测率 (TDR)、0.3965 的真实分类率 (TCR) 和 0.2950 的真实识别率 (TIDR)。相比之下，NMF 分别达到了 0.4151、0.3611 和 0.2625。
CNN 在具有挑战性的检测场景中表现尤为突出。对于 NORM 源（其特征与背景高度相似），CNN 实现了 0.0965 的 TDR，而 NMF 仅为 0.0044（提升了 20 倍以上）。对于 核材料，CNN 的 TIDR 为 0.3124，而 NMF 为 0.2118。
然而，在较低的 FPR 约束下（例如 FPR < 0.25 和 FPR < 0.125），基准 NMF 方法表现出更优越的性能，这表明当必须最小化误报时，基于模板的方法仍然更加稳健。
对于 工业源（具有明显的特征峰，如 $^{137}\text{Cs}$ 和 $^{60}\text{Co}$ ），NMF 保持了最高的识别率，这表明神经网络可能在处理具有明确光谱特征的源时学习了不必要的复杂性。

意义与主张
本文声称，在移动城市搜索场景中，利用计算机视觉架构处理瀑布图谱的机器学习方法可以与传统的基于模板的方法（如 NMF）相媲美，甚至能够超越后者，特别是在允许适度的误报率时。结果表明，学习到的卷积特征可以捕捉到固定模板所遗漏的细微光谱模式和时间动态，从而在检测 NORM 和核材料等具有挑战性的源方面提供显著优势。

然而，作者对局限性保持了审慎的态度。他们承认，在更严格的误报约束下，神经网络目前的表现逊于 NMF。论文指出，最优策略可能取决于操作环境：对于特征鲜明的信号，模板法更具优势；而对于微妙且复杂的模式，学习型方法则更具优势。作者建议，未来的工作应探索混合方法、集成方法或两阶段检测/分类流水线，以充分利用这两种范式的互补优势。