Auswertung von Schilddrüsen-Messungen und Bewegungsprofilen zur Ermittlung der Iod-Expositionen mit KI-Verfahren : Vorhaben 3622S62583

Abstract

Deutsch: Bei Unfällen in kerntechnischen Anlagen können radioaktive Iod-Isotope freigesetzt werden. Diese verbreiten sich über die Luft und können von Personen in den betroffenen Gebieten eingeatmet werden, was unter anderem zu Krebserkrankungen der Schilddrüse führen kann. Die Bestimmung der räumlichen und zeitlichen Verbreitung dieser Iod-Isotope ist daher von hoher Bedeutung für einen guten Umgang mit einem aus einem solchen Unfall resultierenden Notfall, um entsprechende Maßnahmen zum Schutz der Bevölkerung einzuleiten. Wir haben uns konkret mit der Rekonstruktion der Iod-Konzentration aus Bewegungsprofilen von betroffenen Personen befasst. Eine Schwierigkeit ist, dass keine Daten von echten Notfällen existieren. Deshalb haben wir zunächst einen hochkonfigurierbaren Simulator entwickelt, der sowohl korrekte als auch fehlerbehaftete realistische Bewegungsprofile generieren kann. Basierend auf den simulierten Bewegungsprofilen haben wir erstmals Methoden entwickelt und untersucht, die aus Bewegungs- und Expositionsdaten betroffener Personen die räumliche und zeitliche Verteilung der Iod-Isotope rekonstruieren können. Unsere Ergebnisse zeigen, dass eine Rekonstruktion der Iod-Konzentrationen möglich ist, aber durch die Anzahl der zu einem Notfall verfügbaren Personendaten limitiert ist. Die Schwierigkeit des Problems liegt in dem ungünstigen Verhältnis zwischen der hohen gewünschten Auflösung der Rekonstruktion und der knappen Verfügbarkeit der dafür notwendigen Daten von betroffenen Personen. Vor allem mittels neuartiger KI-Methoden aus den Bereichen Neural Radiance Fields und Gaussian Splatting konnten wir die besten Rekonstruktionen, gemessen anhand multipler Bewertungsmetriken, erreichen.

English: In the event of accidents at nuclear facilities, radioactive iodine isotopes can be released. These spread through the air and can be inhaled by people in the affected areas, potentially leading to thyroid cancer, among other health issues. Therefore, determining the spatial and temporal distribution of these iodine isotopes is of great importance for effectively managing emergencies resulting from such accidents and implementing protective measures for the population. Our research specifically focused on reconstructing iodine concentration from the movement profiles of affected individuals. One challenge is that no data from real emergencies exist. Therefore, we first developed a highly configurable simulator capable of generating both accurate and error-prone realistic movement profiles. Based on these simulated movement profiles, we have for the first time developed and investigated methods that can reconstruct the spatial and temporal distribution of iodine isotopes using the movement and exposure data from affected individuals. Our results show that reconstruction of iodine concentrations is possible but limited by the amount of personal data available during an emergency. The complexity of the problem lies in the unfavorable ratio between the high desired resolution of the reconstruction and the limited availability of necessary data from affected individuals. Notably, using innovative AI methods from the fields of Neural Radiance Fields and Gaussian Splatting, we achieved the best reconstructions, as measured by multiple evaluation metrics.