محاسبات دز با استفاده از شبکه عصبی برای شتاب دهنده خطی واریان c 2100 بر پایه شبیه سازی توسطکد مونت کارلوmcnp5 و داده های تجربی

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی
author مهدی سعیدی مقدم
adviser کمال حداد رضا فقیهی
publication year 1391

abstract

محاسبات دز با استفاده از شبکه عصبی برای شتاب دهنده خطی واریان c 2100 بر پایه شبیه سازی توسطکد مونت کارلوmcnp5 و داده های تجربی چکیده محاسبات دز با استفاده از شبکه عصبی برای شتاب دهنده خطی واریان c 2100 بر پایه شبیه سازی توسطکد مونت کارلوmcnp5 و داده های تجربی توسط مهدی سعیدی مقدم مونت کارلو یکی از ابزارهای بسیار متداول در دزیمتری پزشکی به دلیل دقت بالا می باشد با این وجود طبیعت الگوریتم مونت کارلو زمان مورد نظر برای یک محاسبه نوعی در کاربردهای بالینی از استانداردها تجاوز می کند. روش های متعددی از جمله tg-43 برای ادغام دقت مونت کارلو و زمان بندی مورد نیاز در کاربردهای پزشکی آزموده شده است.اگرچه فرض همگن بودن محیط موجب ساده سازی شده است.در این تحقیق ما یک شبکه عصبی مصنوعی(ann) به منظور کاهش زمان محاسه دوز با به کارگیری شبیه سازی صحیح دزیمتری با کد mcnp5 مونت کارلو طراحی و پیاده سازی نموده ایم. ورودی شبکه ann، مختصات، اندازه میزان، انرژی باریکه و چگالی است و همچنین خروجی درصد دوز عمقی و درصد پروفایل دوز است. 70% از داده های برای آموزش و 30% برای تست شبکه انتخاب شده است. بعد از بررسی های الگوریتم های آموزش های مختلف، توانستیم مناسب ترین الگوریتم را بدست آوریم. مقایسه نتایج حاصل از شبیه سازی و خروجی شبکه عصبی درصد خطای نسبی را برای روش trainbfg کمترین مقدار ممکن را نشان می دهد. نتایج ماکزیمم خطا را برای درصد دوز عمقی %0.6 و برای پروفایل دوز %4.5 در شبیه سازی ها نشان می دهد.

similar resources

اعتبارسنجی شتاب دهنده واریان شبیه سازی شده با استفاده از کد BEAMnrc برای انرژی 6MeV

زمینه و هدف: شبیه سازی با تکنیک مونت کارلو یک ارزیابی عملی ویژگی های پرتو فوتونی کلینیکی است. دقت نتایج شبیه سازی به اعتبار سنجی محاسبات مدل شبیه سازی استفاده شده متکی است. در این مطالعه اعتبار شبیه سازی با کد BEAMnrc برای انرژی 6MV بررسی شد. روش بررسی: کلاهک درمانی شتاب دهنده واریان 2100C/D برای انرژی 6MV با استفاده از کد BAMnrc شبیهسازی شد. چشمه الکترونی ت...

full text

مدل سازی خطی سیستم های غیر خطی با کمک شبکه های عصبی مصنوعی بر پایه داده های ورودی – خروجی و کاربرد آن در بویلر نیروگاه

در این مقاله روش جدیدی برای مدل سازی خطی سیستم های غیر خطی ارائه می گردد . اساس روش پیشنهادی طراحی یک شبکه عصبی مصنوعی دو لایه و‌آموزش آن بر مبنای داده های ورودی- خروجی است . وزن های اتصالات این شبکه ضرایب تابع تبدیل هستند . در سیستم هایی که رفتار آنها خطی باشد ، روش حداقل کردن مربعات خطا (lse) بهترین نتایج مدل سازی را ارائه می نماید . در سیستم هایی که رفتار غیر خطی دارند ، نظیر بعضی قسمت های ب...

full text

استفاده از سیستم هوش مصنوعی شبکه های عصبی برای شبیه سازی

full text

شبیه سازی سطح ایستابی دشت ملایر براساس داده های هواشناسی با استفاده از شبکه‎ی عصبی مصنوعی

برای بررسی کارایی شبکه‎ی عصبی مصنوعی در شبیه‌سازی تغییرات سطح ایستابی سفره‎ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه‌های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به‌عنوان ورودی شبکه‎ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اوّل، شامل میانگین اطلاعات دمای حدّاکثر هوا، دمای حدّاقل هوا، حدّاک...

full text

استفاده از کد مونت کارلوی فلوکا برای شبیه سازی توزیع دز پروتون برای فانتوم های آب و مغز

در این مطالعه سیستم درمانی پروتون تراپی با استفاده از کد مونت کارلوی فلوکا به منظور تعیین توزیع دز پروتون در فانتوم های همگن و سی تی شبیه سازی شده است. تبدیل واحد هانسفیلد از تصاویر سی تی فانتوم به مجموعه اطلاعات لازم برای شبیه سازی مونت کارلو مبتنی بر رویکرد اشنایدر است. دهانک پروتون تراپی با استفاده از برنامه ی کامپیوتری neu و کد مونت کارلوی فلوکا شبیه سازی شده است. توزیع دز عمقی وتوزیع دز عم...

full text

تخمین سرعت نفوذپذیری پایه با استفاده از مدل‌های نروفازی، شبکه عصبی و رگرسیون خطی چندمتغیره

ننفوذ یکی از مهم‌ترین مشخصه‌های فیزیکی خاک است که اندازه‌گیری مستقیم آن دشوار، زمان‌بر و پرهزینه می‌باشد. هدف از این پژوهش تخمین سرعت نفوذپذیری پایه با استفاده مدل‌های نروفازی، شبکة مصنوعی و رگرسیون خطی چند متغیره است. بدین منظور، در 100 نقطه در منطقه دهگلان استان کردستان سرعت نفوذپذیری پایه با استفاده از استوانه مضاعف اندازه‌گیری شد. ویژگی‌های فیزیکی خاک (تخلخل، جرم ویژه ظاهری، شن، سیلت و رس) ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی

Keywords

محاسبه دز شبکه عصبی مصنوعی مونت کارلو داده های تجربی

Hosted on Doprax cloud platform doprax.com