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.