FPGA-based U-NET Accelerator for Real-Time Improvement of Energy Discrimination Accuracy and Photon Counting Uniformity of SiPM based X-ray Detector
SiPM기반 X선 검출기의 에너지 식별 정확도와 광자계수 균일성의 실시간 향상을 위한 FPGA기반 U-NET 가속기
- 주제어 (키워드) Dual energy X-ray absorptiometry (DEXA) , silicon photomultipliers (SiPM) , photon counting detector (PCD) , convolutional neural network (CNN) , FPGA , 이중 에너지 X선 흡수 측정 , 실리콘 광전자 증배관 , 광자 계수 검출기 , 컨볼루션 신경망 , FPGA
- 발행기관 서강대학교 일반대학원
- 지도교수 최용
- 발행년도 2023
- 학위수여년월 2023. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000070219
- UCI I804:11029-000000070219
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
Recently, silicon photomultipliers (SiPMs) have been proposed as photon counting detector (PCD) of dual energy X-ray absorptiometry (DEXA) but relatively poor energy resolution of SiPM reduced the accuracy of energy discrimination in low energy regions (<120 keV) and the vulnerability of SiPM to temperature variations degraded the uniformity of photon counting performance. The purpose of this study was to develop a convolutional neural network (CNN) based on Autoencoder to U-Net that improves the accuracy and uniformity of SiPM-based PCD and to implement this model in FPGA for real-time correction. SiPM-based PCD was composed of 8-ch detector, front-end readout board and FPGA that implements Time-to-Digital Converter (TDC) and CNN based on U-Net. The CNN consisted of an encoder, a decoder and skip connections to efficiently identify the low and high energy regions and was implemented in FPGA. 300 training datasets and 20 test datasets were obtained using X-ray tube and were augmented by a factor of 10. The threshold values and the Gaussian fitted curves of the energy spectra were calculated to distinguish the valid counts of each region. The outputs of Autoencoder and proposed U-Net were compared. Also, the output of FPGA based CNN and GPU based U-Net were compared to calculate the count difference of energy spectrum. The uniformities were measured by standard deviations of counts in low and high energy regions. The threshold values and Gaussian fitted curves of 8-ch detector were clearly identified in energy spectrum. The calculated average standard deviation of counts for all channel was decreased x1.7 at the low energy regions and x1.3 at the high energy regions. The results demonstrated that the proposed CNN based on U-NET could considerably improve the accuracy and uniformity. Therefore, we successfully implemented the method in FPGA, allowing real-time correction and fast throughput.
more초록 (요약문)
최근 실리콘광전자증배관(SiPMs)은 이중에너지X선흡수측정(DEXA)의 광자 계수 검출기(PCD)로 제안되었지만, SiPM의 상대적으로 낮은 에너지 분해능은 낮은 에너지 영역(<120keV)에서 에너지 식별의 정확도를 떨어뜨리고 온도 변화에 대한 SiPM의 취약성은 광자계수의 균일성을 저하시켰다. 이 연구에서는 SiPM 기반 PCD(Photon Counting Detector)의 정확성과 균일성을 Autoencoder보다 더욱 향상시키는 U-Net 기반의 컨볼루션 신경망(CNN)을 개발하고 이 모델을 FPGA에 구현하여 실시간 보정을 가능하게 했다. SiPM 기반 PCD는 U-NET을 기반으로 TDC(Time-to-Digital Converter)와 CNN을 구현하는 8채널 디텍터, 프론트 엔드 검출 보드와 및 FPGA로 구성되었다. CNN은 낮은 에너지 영역과 높은 에너지 영역을 효율적으로 식별하기 위해 인코더, 디코더 및 스킵 커넥션으로 구성되었으며 FPGA 내부에 구현되었다. 또한 X선 튜브를 사용하여 300개의 훈련 데이터 세트와 20개의 테스트 데이터 세트를 얻었고 10배로 증폭시켰다. 에너지 스펙트럼의 임계값과 가우스 피팅 곡선은 각 영역의 유효 카운트를 구별하기 위해 계산되었고, Autoencoder와 제안된 U-Net의 추론 결과를 비교했다. 또한 FPGA 기반 CNN과 GPU 기반 U-Net의 결과를 비교하여 에너지 스펙트럼의 카운트 차이를 계산했다. 광자계수 균일성은 낮은 에너지 영역과 높은 에너지 영역에서 표준 편차로 측정되었다. 그 결과 8채널 검출기의 임계값과 가우스 피팅 곡선은 에너지 스펙트럼에서 명확하게 식별되었고, 모든 채널에 대해 계산된 평균 카운트 표준 편차는 낮은 에너지 영역에서 1.7배, 높은 에너지 영역에서 1.3배 감소했다. 결론적으로 우리는 U-Net을 기반으로 제안된 CNN이 정확성과 균일성을 크게 향상시킬 수 있음을 보여주었고, FPGA에서 인공지능 신경망을 성공적으로 구현하여 실시간 보정과 빠른 처리량을 가능하게 했다.
more