Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning
यह शोध पत्र एक डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो नए कम लागत वाले फुल-फील्ड ओसीटी (OCT) चित्रों में कुल रेटिनल संरचनाओं और पिगमेंट एपिथेलियल डिटैचमेंट्स को सटीक रूप से सेगमेंट करने के लिए एक कनवल्शनल न्यूरल नेटवर्क (CNN) को कनवल्शनल डिनोइजिंग ऑटोएनकोडर (CDAE) के साथ संयोजित करता है, जिससे आयु-संबंधी मैकुलर डिजनरेशन की होम-बेस्ड मॉनिटरिंग के लिए स्वचालित कंप्यूटर-एडेड डायग्नोसिस सक्षम होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
बड़ी तस्वीर: हमें इसकी आवश्यकता क्यों है?
कल्पना कीजिए कि आपकी आँखें एक हाई-एंड कैमरे की तरह हैं। समय के साथ, कैमरे का "लेंस" (मैकुला) क्षतिग्रस्त हो सकता है, जिसे एज-रिलेटेड मैकुलर डिजनरेशन (AMD) कहा जाता है। इससे चेहरों को देखने या टेक्स्ट पढ़ने में कठिनाई होती है।
इसे ठीक करने के लिए, डॉक्टरों को कैमरे की लगातार जांच करने की आवश्यकता होती है। वे एक विशेष स्कैनर का उपयोग करते हैं जिसे OCT (ऑप्टिकल कोहेरेंस टोमोग्राफी) कहा जाता है, जो आपकी आँख के अंदर के 3D चित्र लेता है। इसे आप अपनी रेटिना के लिए सीटी स्कैन (CT scan) की तरह समझ सकते हैं।
समस्या:
वर्तमान में, आपको ये स्कैन कराने के लिए डॉक्टर के पास जाना पड़ता है। लेकिन AMD तेजी से बदल सकता है। दौरों के बीच हफ्तों या महीनों का इंतजार करना ऐसा है जैसे महीने में केवल एक बार टायर चेक करके फ्लैट टायर को ठीक करने की कोशिश करना—आप समस्या को बहुत देर होने तक पकड़ नहीं पाएंगे।
समाधान:
वैज्ञानिक मरीजों को एक कम लागत वाला, घर पर उपयोग होने वाला OCT स्कैनर (जिसे SELF-OCT कहा जाता है) देना चाहते हैं। इस तरह, आप अपने ब्लड प्रेशर की जांच करने की तरह हर दिन अपनी आँखों को स्कैन कर सकेंगे।
चुनौती:
होम स्कैनर सस्ता और छोटा है, इसलिए इसके द्वारा लिए गए चित्र "दानेदार" (grainy) और शोर (static/noise) से भरे होते हैं, जो महंगे अस्पताल के मशीनों की तरह स्पष्ट नहीं होते। इसके अलावा, यदि स्कैनिंग के दौरान आपका हाथ थोड़ा भी हिल जाता है, तो चित्र धुंधला (motion artifacts) हो जाता है।
पेपर का लक्ष्य:
शोधकर्ताओं ने एक स्मार्ट कंप्यूटर मस्तिष्क (डीप लर्निंग) बनाने की कोशिश की जो इन दानेदार और हिलते हुए घरेलू चित्रों को देख सके और आंख के महत्वपूर्ण हिस्सों के चारों ओर स्वचालित रूप से रेखाएं खींच सके, भले ही चित्र बहुत खराब क्यों न दिख रहा हो।
दो-चरणीय "स्मार्ट ब्रेन" सिस्टम
शोधकर्ताओं ने एक सिस्टम बनाया जिसमें दो अलग-अलग भाग थे, जो एक स्केच आर्टिस्ट (रेखाचित्रकार) और एक रेस्टोरेशन एक्सपर्ट (पुनर्स्थापना विशेषज्ञ) की टीम की तरह मिलकर काम करते हैं।
चरण 1: स्केच आर्टिस्ट (द 3D U-Net)
सबसे पहले, उन्होंने 3D U-Net नामक AI का उपयोग किया।
- यह क्या करता है: यह आंख के 3D वॉल्यूम को देखता है और हर एक पिक्सेल को कलर-कोड करने की कोशिश करता है। यह तय करता है: "यह पिक्सेल रेटिना (स्वस्थ ऊतक) है, यह एक PED (तरल पदार्थ का एक खतरनाक छाला) है, और यह केवल बैकग्राउंड है।"
- उपमा: कल्पना कीजिए कि एक बच्चा एक गंदे, धब्बेदार कलरिंग बुक में लाइनों के भीतर रंग भरने की कोशिश कर रहा है। बच्चा (AI) ज्यादातर समय अच्छा काम करता है, लेकिन क्योंकि बुक धब्बेदार है और रेखाएं धुंधली हैं, इसलिए वह कभी-कभी लाइनों के बाहर रंग भर देता है या कोई जगह छोड़ देता है।
- परिणाम: यह सामान्य आकार को सही पकड़ लेता है, लेकिन छवि के "शोर" (noise) के कारण किनारे थोड़े टेढ़े-मेढ़े और कभी-कभी गलत होते हैं।
चरण 2: रेस्टोरेशन एक्सपर्ट (द CDAE)
चूंकि पहले AI ने खराब इमेज क्वालिटी के कारण गलतियां की थीं, इसलिए उन्होंने एक दूसरा AI जोड़ा जिसे कन्वोल्यूशनल डिनोइजिंग ऑटोएनकोडर (CDAE) कहा जाता है।
- यह क्या करता है: इस AI को "परफेक्ट" आंख के आकारों पर प्रशिक्षित किया गया था। यह जानता है कि एक स्वस्थ रेटिना कैसा दिखना चाहिए, भले ही चित्र धुंधला हो। यह एक फोटो एडिटर या मूर्तिकार की तरह कार्य करता है।
- उपमा: कल्पना कीजिए कि स्केच आर्टिस्ट ने अपना बिखरा हुआ चित्र रेस्टोरेशन एक्सपर्ट को थमा दिया। एक्सपर्ट कहता है, "मैं जानता हूँ कि यह रेखा धुंधलेपन के कारण डगमगाती हुई दिख रही है, लेकिन मैं जानता हूँ कि यहाँ वक्र (curve) चिकना होना चाहिए। मुझे इसे ठीक करने दें।"
- यह कैसे काम करता है: दूसरा AI पहले चरण से प्राप्त बिखरे हुए चित्र को लेता है, आंख की "एनाटॉमी" (प्राकृतिक आकार) को सीखता है, और हिलते हुए हाथ या दानेदार इमेज के कारण होने वाली त्रुटियों को ठीक करता है।
उन्हें क्या मिला?
उन्होंने वास्तविक डेटा पर इस सिस्टम का परीक्षण किया जो उन मरीजों से लिया गया था जिन्होंने होम स्कैनर का उपयोग किया था।
- रेटिना: सिस्टम मुख्य रेटिना को खोजने में अद्भुत था। यह लगभग 94% बार सटीक था। "रेस्टोरेशन एक्सपर्ट" को यहाँ बहुत अधिक बदलाव करने की आवश्यकता नहीं पड़ी क्योंकि पहला स्केच पहले से ही अच्छा था।
- PED (छाला): यह बहुत कठिन था। "छाला" (पिगमेंट एपिथेलियल डिटैचमेंट) दानेदार घरेलू स्कैन में देखना मुश्किल होता है। सिस्टम इसे लगभग 60% बार सही पहचान पाया।
- यह कठिन क्यों है? छाले का निचला हिस्सा कोशिकाओं की एक बहुत ही चमकदार परत (RPE) के पीछे छिपा होता है, जिससे यह कोहरे वाले कमरे में छाया जैसा दिखता है।
- "फिक्स-इट" शक्ति: सबसे महत्वपूर्ण खोज यह थी कि रेस्टोरेशन एक्सपर्ट (CDAE) ने मोशन (गति) के कारण होने वाली त्रुटियों को सफलतापूर्वक ठीक किया। जब मरीज ने अपना हाथ हिलाया और इमेज में एक काली पट्टी आ गई, तो पहले AI को भ्रम हुआ। दूसरे AI ने आंख के आकार के "बड़े चित्र" को देखा और कहा, "वह पट्टी नकली है; आंख उसके नीचे भी जारी है," और ड्राइंग को ठीक कर दिया।
निष्कर्ष (The Bottom Line)
यह पेपर साबित करता है कि हम सस्ते, घर पर उपयोग होने वाले आई स्कैनर का उपयोग खतरनाक नेत्र रोगों की निगरानी के लिए कर सकते हैं, यदि हमारे पास बिखरे हुए चित्रों को साफ करने के लिए एक स्मार्ट कंप्यूटर सिस्टम हो।
- AI के बिना: होम स्कैनर के चित्र भरोसे के लायक नहीं होते।
- AI के साथ: कंप्यूटर एक सुपर-पावर्ड एडिटर की तरह काम करता है, जो एक हिलते हुए, दानेदार फोटो को एक विश्वसनीय मेडिकल मैप में बदल देता है।
इसका मतलब यह है कि भविष्य में, नेत्र रोग वाले लोग अपने लिविंग रूम से ही अपनी स्थिति की दैनिक निगरानी कर सकेंगे, जिससे समस्याओं को जल्दी पकड़ा जा सकेगा और उनकी दृष्टि बचाई जा सकेगी, और यह सब एक कंप्यूटर के भीतर काम करने वाले "स्केच आर्टिस्ट" और "रेस्टोरेशन एक्सपर्ट" की बदौलत संभव होगा।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।