| 研究課題/領域番号 |
18H02768
|
|---|
| 研究機関 | 東京都立大学 |
|---|
研究代表者 |
福士 政広 東京都立大学, 人間健康科学研究科, 客員教授 (70199199)
|
|---|
| 研究分担者 |
井上 一雅 東京都立大学, 人間健康科学研究科, 教授 (20508105)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| キーワード | α線 / スペクトルサーベイメータ / 塩化ラジウム / 医学物理学 |
|---|
| 研究実績の概要 |
ポータブルα線スペクトルサーベイメータの改良を実施した。試作・開発中のポータブルα線スペ クトルサーベイメータは、検出器に2000mm＾2面積イ オン注入型シリコン半導体検出を採用したものである。また、スミア法に対応した真空容器設置型を昨年度試作した。
Am-241のα核種のエネルギースペクトルを明瞭に確認できた。令和元年度に購入したNp-237、Am-241、Cm-244の3核種混合電着線源を東京都立大学で測定した結果、それぞれの核種のエネルギースペクトルを確認できた。241Am電着線源および3核種（237Np、241Amおよび244Cm）混合電着線源（以下、3核種混合電着線源）計4線源を用いた実測の結果、当初開発した可搬型α線スペクトロメータは2年経過した時点で線源検出器間距離が3.8 mmで約240 keVのFWHMを有し、複数のピークを持つα線源を検出することが可能であった。
また、空気層によるα線の散乱および吸収の影響を除くために改良した真空容器設置型α線スペクトルメータで同様の性能評価を行った結果、線源検出器間距離が4.3 mmの場合で約160 keV、24.3 mmの場合で約110 keVのFWHMであった。α核種を検出器に密着するとアルファン線の入射角度の違いにより検出器の防護膜での吸収があることが確認できた。α種スペクトルサーベイメータの開発研究は大方順調に進捗している。しかし、非密封放射性同位元素を用いた性能試験と臨床現場での汚染調査試験に関しては新型コロナウイルス感染の影響で延期した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
令和２年度は、開発したポータブルα線スペクトルサーベイメータの改良を実施した。開発中のポータブルα線スペ クトルサーベイメータは、検出器に 2000 mm＾2面積イオン注入型シリコン半導体検出を採用したもので、241Am電着線源および3核種（237Np、241Amおよび244Cm）混合電着線源（以下、3核種混合電着線源）計４線源で可搬型α線スペクトロメータでは線源検出器間距離が3.8 mmで約240 keVのFWHMのエネルギー分解能があり、複数のピークを持つα線源を検出することが可能であった。また空気層によるα線の散乱および吸収の影響を考慮した真空型設置型は線源検出器間距離が4.3 mmの場合で約160 keV、24.3 mmの場合で約110 keVのFWHMのエネルギー分解能を示した。これは昨年度と同様のエネルギー分解能を有すことができ短期間であるが性能維持が確認できた。また、α線の特徴として、線源-検出器間距離が変化すると検出器の保護膜の不感層への入射角度と不感層を通過する距離が変化することが判明した。線源-検出器間距離が小さい場合α線が不感層を通過する距離が大きくなるため不感層で吸収されるエネルギーが大きくなりエネルギー分解能の低下につながることを確認できた。
原子力規制庁に申請中であったRa-223の使用許可を得ることができ学内での実験環境が整ったRa-223線源は高額であるため当該線源の購入はかった。そこで、協力関係にある癌研有明病院でのRa-223核種を用いた実験に向けて調整したが新型コロナウイルス感染の影響で出来なかった。ただし、その他スペクトルサーベイメータの研究は進捗している。
|
| 今後の研究の推進方策 |
安価なポータブルα線スペクトルサーベイメータの開発・改良は2018-2019年度に実施できた。2018年度において大面積 イオン注入型シリコン半導体検出を採用Am-241のα核種での性能評価は大方実施したが1核種のみなので2019年度はα線エネルギーの異なる核種；Am-241,Gd-148,Cm-244の3核種セット（セット販売） を購入し正確なエネルギー校正を実施することができた。2020年度はAIを用いたα核種との弁別機能の開発について非密封放射性同位元素（Ra-223など）を用いて実施する予定であったが新型コロナウイルス感染の影響で着手することが出来なかった。ただし、種々の幾何学的な条件に対応するエネルギースペクトルの収集、実測が不可能なデータにおいてはモンテカルロシミュレーションを基にデータの補完に関する基礎的な研究を実施した。
今年度から最終年度に掛けて、2020年度に予定していた項目および深層学習ニューラルネットワーク （ Deep Learning Neural Network: DLNN ） の 学 習 体 系 を 構 築 し て AI （ Artificial Intelligence：AI））機能を採用し、バックグランド等の影響を適切に排除した正確なα線計測の実現を目指す。また、α核種の合理的な放射線安全管理方法の提案を進める。最終年度では塩化ラジウム内用療法に携わっている方や他のα核種の取り扱いに精通している方と共に改善点の洗い出し、臨床現場に則した合理的な放射線管理方法を提案する。
|
