CARE: Anti-entanglement Ultrasound Image Segmentation via Channel-Aware Region Extrication

कल्पना कीजिए कि आप एक जार के अंदर छिपी हुई एक विशिष्ट, हल्की चमकती हुई जेलीबीन को खोजने की कोशिश कर रहे हैं, जो हजारों अन्य जेलीबीन्स से भरी हुई है जो लगभग बिल्कुल वैसी ही दिखती हैं। यह कंप्यूटर के लिए एक दैनिक वास्तविकता है जो अल्ट्रासाउंड का उपयोग करके मानव शरीर के अंदर "देखने" की कोशिश कर रहे हैं। अल्ट्रासाउंड एक विशेष प्रकार का मेडिकल कैमरा है जो प्रकाश के बजाय ध्वनि तरंगों का उपयोग करके हमारे भीतर क्या हो रहा है, जैसे कि एक बच्चे को देखना या स्तन में गांठ की जांच करना, इसके चित्र बनाता है। यह बहुत अच्छा है क्योंकि यह तेज़, सस्ता है और इसमें हानिकारक विकिरण (रेडिएशन) का उपयोग नहीं होता है। लेकिन इसमें एक पेंच है: यह जो चित्र बनाता है, वे अक्सर धुंधले और "विजुअल नॉइज़" (दृश्य शोर) से भरे होते हैं। जिस चीज़ को डॉक्टर ढूंढ रहे हैं (लेसन/घाव), वह अक्सर अपने आस-पास के स्वस्थ ऊतकों (टिश्यू) के साथ घुल-मिल जाती है, जिससे वे जुड़वा बच्चों की तरह दिखने लगते हैं।

वर्षों से, इन गांठों को खोजने के लिए डिज़ाइन किए गए कंप्यूटर प्रोग्राम ऐसे छात्रों की तरह रहे हैं जो केवल अपनी आँखों को ज़ोर से सिकोड़कर (squinting) पहेली सुलझाने की कोशिश कर रहे हैं। वे अधिक सुराग इकट्ठा करने और बड़ी तस्वीर को देखने में बेहतर होते जा रहे हैं, लेकिन वे अभी भी संघर्ष करते हैं जब सुराग आपस में मिल जाते हैं। वे शायद उस क्षेत्र को पा लेते हैं जहाँ गांठ है, लेकिन वे यह नहीं बता पाते कि गांठ कहाँ समाप्त होती है और स्वस्थ ऊतक कहाँ शुरू होते हैं। यह शोध पत्र ठीक इसी समस्या को संबोधित करता है। यह सुझाव देता है कि केवल अधिक ध्यान से देखने के बजाय, कंप्यूटर को एक नई रणनीति की आवश्यकता है: इसे यह सीखना होगा कि कैसे "अच्छे" सुरागों को "बुरे" सुरागों से सक्रिय रूप से अलग किया जाए, लगभग लाल और नीली मार्बल्स के मिश्रित बैग को उनके टेक्सचर (बनावट) के आधार पर छांटने जैसा, भले ही वे दिखने में एक समान हों।

इस अध्ययन के पीछे के शोधकर्ताओं, वेक्सिन ज़ू (Weixin Xu) और उनकी टीम ने देखा कि वर्तमान कंप्यूटर मॉडल अक्सर भ्रमित हो जाते हैं क्योंकि "लेसन" (बुरा हिस्सा) और "बैकग्राउंड" (सामान्य हिस्सा) कंप्यूटर के दिमाग में आपस में उलझ जाते हैं। वे इसे "टारगेट-कॉन्टेक्स्ट एंटैंगलमेंट" (लक्ष्य-संदर्भ उलझाव) कहते हैं। यह एक भीड़भाड़ वाले, शोर वाले कमरे में अपने दोस्त की आवाज़ सुनने की कोशिश करने जैसा है; यदि आप केवल वॉल्यूम बढ़ा देते हैं (जैसा कि पुराने तरीकों ने किया), तो आप शोर के साथ अपने दोस्त की आवाज़ भी अधिक सुन पाएंगे। टीम ने महसूस किया कि असली समस्या यह नहीं है कि कंप्यूटर शोर को नहीं ढूंढ सकता; बल्कि यह है कि एक बार आपस में मिल जाने के बाद वह आवाज़ और शोर के बीच अंतर नहीं कर पाता है।

इसे ठीक करने के लिए, उन्होंने CARE (चैनल-अवेयर रीजन एक्सट्रिकेशन) नामक एक नया सिस्टम बनाया। CARE को एक बहुत ही स्मार्ट, जादुई छलनी के रूप में सोचें। जब कंप्यूटर एक अल्ट्रासाउंड इमेज को देखता है, तो CARE केवल इमेज को स्पष्ट बनाने की कोशिश नहीं करता है। इसके बजाय, यह एक क्लब के बाउंसर की तरह काम करता है जो हर किसी का आईडी चेक करता है। यह बिखरी हुई, मिली-जुली जानकारी को लेता है और इसे दो अलग-अलग ढेरों में विभाजित कर देता है: एक ढेर "लेसन एविडेंस" (वे सुराग जो निश्चित रूप से गांठ के हैं) के लिए और दूसरा "इंटरफेरेंस" (भ्रमित करने वाला बैकग्राउंड नॉइज़ जो गांठ जैसा दिखता है लेकिन है नहीं) के लिए।

जादू दो चरणों में होता है। पहले, सिस्टम "चैनल-वाइज रेलवेंस डिकपलिंग" (CRD) तंत्र का उपयोग करता है। कल्पना कीजिए कि यह एक फिल्टर है जो इमेज के डेटा को उसके संकेतों की "तेजी" या "चमक" के आधार पर छांटता है। चूंकि ट्यूमर के अंदर का ऊतक स्वस्थ वसा या मांसपेशियों की तुलना में ध्वनि तरंगों को अलग तरह से बिखेरता है, इसलिए CARE इस भौतिक अंतर का उपयोग करके एक मोटा विभाजन बनाता है। यह कहता है, "ठीक है, इस सिग्नल का यह हिस्सा ट्यूमर जैसा दिखता है, और यह हिस्सा बैकग्राउंड जैसा दिखता है।" लेकिन, एक कच्चे ड्राफ्ट की तरह, यह पहला विभाजन परफेक्ट नहीं है। कुछ ट्यूमर के सुराग बैकग्राउंड के ढेर में जा सकते हैं, और कुछ बैकग्राउंड का शोर ट्यूमर के ढेर में घुस सकता है।

यहीं दूसरा चरण, "म्युचुअल रीजन क्वेरींग" (MRQ) आता है। यह इस हिस्से को वास्तव में चतुर बनाता है। यह दो जासूसों के नोट्स साझा करने जैसा है। "ट्यूमर डिटेक्टिव" "बैकग्राउंड ढेर" को देखता है और पूछता है, "क्या मैंने गलती से अपने कुछ सुराग यहाँ छोड़ दिए हैं?" यदि उत्तर हाँ है, तो वह उन्हें वापस खींच लेता है। साथ ही, "बैकग्राउंड डिटेक्टिव" "ट्यूमर ढेर" को देखता है और पूछता है, "क्या मैंने गलती से तुम्हारा कुछ सामान ले लिया है?" और उसे वापस रख देता है। वे एक-दूसरे के काम की लगातार जाँच और सुधार करते हैं जब तक कि ढेर शुद्ध न हो जाएं। यह प्रक्रिया सुनिश्चित करती है कि कंप्यूटर केवल यह अनुमान नहीं लगाता कि गांठ कहाँ है; बल्कि यह अपने स्वयं के भ्रम को सक्रिय रूप से साफ करता है।

टीम ने वास्तविक दुनिया की अल्ट्रासाउंड छवियों के तीन अलग-अलग सेटों पर इस नई पद्धति का परीक्षण किया: एक स्तन की छवियों वाला (BUSI), दूसरा एक अलग स्रोत से स्तन की छवियां (BUSIS), और तीसरा थायराइड की छवियां (TN3K)। उन्होंने इस नए CARE सिस्टम की तुलना दस अन्य लोकप्रिय कंप्यूटर मॉडलों से की। परिणाम उत्साहजनक थे। ब्रेस्ट इमेज डेटासेट पर, CARE ने 83.12% का स्कोर (जिसे DSC कहा जाता है) प्राप्त किया, जो अगले सर्वश्रेष्ठ मॉडल (जिसका स्कोर 81.74% था) को भी पीछे छोड़ गया। थायराइड छवियों पर, इसने 82.97% का स्कोर किया, जबकि पिछला सर्वश्रेष्ठ स्कोर 81.93% था। ये संख्याएं छोटी लग सकती हैं, लेकिन मेडिकल इमेजिंग की दुनिया में, एक मामूली सुधार भी एक डॉक्टर द्वारा छोटी, खतरनाक गांठ को मिस करने या उसे जल्दी पकड़ लेने के बीच का अंतर हो सकता है।

जो बात इसे विशेष रूप से दिलचस्प बनाती है, वह यह है कि सुधार केवल इसलिए नहीं हुआ क्योंकि CARE हर चीज़ के लिए "हाँ" कहना शुरू कर दिया था (जिससे वह अधिक गांठें ढूंढ लेता लेकिन कई गलत अलार्म भी पैदा करता)। डेटा ने दिखाया कि CARE वास्तविक गांठों को खोजने (Recall) और गलत अलaways से बचने (Precision) दोनों में बेहतर हुआ। यह सुझाव देता है कि सिस्टम ने वास्तव में ट्यूमर और बैकग्राउंड के बीच अंतर करना सीख लिया है, न कि केवल अधिक आक्रामक तरीके से अनुमान लगाया है।

शोधकर्ताओं ने "यूजर स्टडी" भी चलाई ताकि सबसे कठिन मामलों—वे इमेज जहाँ ट्यूमर और बैकग्राउंड सबसे अधिक मिले-जुले थे—को खोजा जा सके। उन्होंने पाया कि मौजूदा मॉडल इन ट्रिकी मामलों में सामान्य मामलों की तुलना में बहुत अधिक बार विफल होते हैं। जब उन्होंने इन "एंटैंगलमेंट" (उलझाव) वाले मामलों पर CARE का परीक्षण किया, तो इसने अन्यों की तुलना में काफी बेहतर प्रदर्शन किया, जिससे यह सिद्ध हुआ कि उनकी पद्धति विशेष रूप से दृश्य भ्रम (visual confusion) की समस्या को हल करती है। उन्होंने कंप्यूटर के आंतरिक "विचारों" (फीचर मैप्स) को भी देखा और पाया कि CARE ने सफलतापूर्वक ट्यूमर सिग्नल्स को बैकग्राउंड सिग्नल्स से अलग कर दिया, जिससे एक स्पष्ट अंतर पैदा हुआ जिसे अन्य मॉडल बनाने में विफल रहे।

अंत में, शोध पत्र यह सुझाव देता है कि बेहतर अल्ट्रासाउंड सेगमेंटेशन की कुंजी केवल बड़े या अधिक जटिल कंप्यूटर बनाना नहीं है। यह कंप्यूटर को अपने विचारों को व्यवस्थित करना सिखाने के बारे में है। "लेसन" को "नॉइज़" से स्पष्ट रूप से अलग करके और उन्हें एक-दूसरे के काम की जाँच करने देकर, CARE उस विजुअल मेश (दृश्य अव्यवस्था) को सुलझाने में सक्षम है जिसने लंबे समय से कंप्यूटरों को भ्रमित किया है। हालांकि इस सिस्टम को कुछ सरल मॉडलों की तुलना में थोड़े अधिक कंप्यूटिंग पावर की आवश्यकता होती है, लेकिन बढ़ी हुई सटीकता के लिए यह ट्रेड-ऑफ सार्थक लगता है। लेखक निष्कर्ष निकालते हैं कि "रिप्रेजेंटेशन एक्सट्रिकेशन" (प्रतिनिधित्व निष्कर्षण)—यानी भ्रम से सच्चाई को बाहर निकालना—का यह दृष्टिकोण अल्ट्रासाउंड छवियों की अंतर्निहित अस्पष्टता को संभालने का एक शक्तिशाली नया तरीका है, जो डॉक्टरों को अधिक स्पष्ट रूप से देखने और अपने रोगियों के लिए बेहतर निर्णय लेने में मदद कर सकता है।