CORE -- A Cell-Level Coarse-to-Fine Image Registration Engine for Multi-stain Image Alignment
यह शोध पत्र CORE को प्रस्तुत करता है, जो एक नवीन कोर्स-टू-फाइन (coarse-to-fine) फ्रेमवर्क है जो प्रॉम्प्ट-आधारित ऊतक फ़िल्टरिंग, वैश्विक आकृति विज्ञान संरेखण (global morphology alignment), और सूक्ष्म गैर-कठोर विरूपण के लिए एक कस्टम आकार-जागरूक पॉइंट-सेट पंजीकरण मॉडल को संयोजित करके विविध मल्टी-स्टेन होल स्लाइड छवियों में सटीक, सुदृढ़ और सामान्यीकृत नाभिक-स्तरीय पंजीकरण प्राप्त करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक अपराध को सुलझाने की कोशिश कर रहे हैं एक जासूस के रूप में, लेकिन आपके सबूत तीन अलग-अलग अपराध स्थलों पर बिखरे हुए हैं, जिनमें से प्रत्येक की तस्वीर एक अलग रंग की रोशनी में ली गई है। एक फोटो तेज़ धूप में है, दूसरी लाल स्पॉटलाइट के नीचे है, और तीसरी गहरी नीली चांदनी के नीचे है। इमारतें (ऊतक/टिश्यू) वही हैं, लेकिन रंग खिड़कियों और दरवाजों को पूरी तरह से अलग दिखाते हैं। यदि आप इन तस्वीरों को एक के ऊपर एक रखने की कोशिश करते हैं, तो खिड़कियाँ आपस में नहीं मिलेंगी, और आप सुराग खो देंगे। यह उन पैथोलॉजिस्टों के लिए एक दैनिक चुनौती है, जो सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे मानव ऊतक के बहुत छोटे स्लाइस देखते हैं ताकि बीमारियों का निदान किया जा सके। वे अक्सर ऊतक के एक ही स्लाइस को लेते हैं, उसे विभिन्न रंगीन रंगों (डाई) से रंगते हैं ताकि विभिन्न हिस्सों (जैसे कोशिका नाभिक या विशिष्ट प्रोटीन) को उजागर किया जा सके), और फिर उसकी तस्वीर लेते हैं। ये तस्वीरें "होल-स्लाइड इमेजेस" (WSIs) हैं, जो इतनी विशाल हैं कि वे एक शहर के गिगापिक्सेल पैनोरमा की तरह हैं। समस्या यह है कि जब आप स्लाइड को हिलाते हैं, एक नया स्लाइस काटते हैं, या डाई बदलते हैं, तो ऊतक खिंच जाता है, फट जाता है या थोड़ा खिसक जाता है। इन विशाल, बेमेल, बहु-रंगीन मानचित्रों को संरेखित करने की कोशिश करना एक शहर के मुड़े हुए, दागदार मानचित्र को बिना फटे एक पूर्ण वर्ग में वापस मोड़ने जैसा है। यदि वे उन्हें पूरी तरह से संरेखित नहीं कर पाते हैं, तो वे शरीर के भीतर क्या हो रहा है, इसकी पूरी तस्वीर पाने के लिए विभिन्न रंगों से प्राप्त जानकारी को जोड़ नहीं पाएंगे।
यहाँ CORE आता है, एक नया डिजिटल टूल जिसे शोधकर्ताओं की एक टीम द्वारा बनाया गया है जो इन मेडिकल मानचित्रों के लिए एक सुपर-स्मार्ट, जादुई फोल्डिंग मशीन की तरह काम करता है। CORE को एक दो-चरणीय नृत्य प्रशिक्षक (डांस इंस्ट्रक्टर) के रूप में समझें। पहले, यह एक "कोर्स" (coarse) नृत्य करता है: यह सूक्ष्म विवरणों को अनदेखा करते हुए बड़ी तस्वीर को देखता है, ताकि ऊतक के सामान्य आकार को मेल खाने में मदद मिले। यह एक पहेली (पज़ल) के बाहरी आकार को देखने और उसके बड़े कोनों वाले टुकड़ों को आपस में जोड़ने जैसा है। यह "प्रॉम्प्ट-आधारित सेगमेंटेशन" नामक एक चतुर तकनीक का उपयोग करता है, जो एक बहुत ही स्मार्ट AI सहायक से पूछने जैसा है कि "ऊतक को ढूंढो और धूल या पेन के निशानों को अनदेखा करो," जिससे नमूने की एक साफ रूपरेखा तैयार होती है। एक बार जब बड़े आकार मोटे तौर पर संरेखित हो जाते हैं, तो CORE "फाइन" (fine) नृत्य की ओर बढ़ता है। यहीं पर यह कोशिकीय स्तर तक पहुँच जाता है। यह चित्र में छोटे बिंदुओं को खोजता है—कोशिकाओं के नाभिक (न्यूक्लिआई)—जो अद्वितीय सड़क संकेतों की तरह कार्य करते हैं। फिर यह "शेप-अवेयर पॉइंट-सेट रजिस्ट्रेशन" नामक एक विशेष गणितीय तकनीक का उपयोग करता है ताकि इन सड़क संकेतों को न केवल उनके स्थान से, बल्कि उनके आकार से भी मिलाया जा सके। यदि एक नाभिक एक तस्वीर में गोल और बड़ा है, तो यह दूसरी तस्वीर में भी एक गोल और बड़े नाभिक को खोजता है, भले ही रंग पूरी तरह से अलग क्यों न हों। अंत में, यह किसी भी शेष झुर्रियों को दूर करने के लिए इसे चिकना करता है, जैसे कि शर्ट को इस्त्री करना, ताकि सुनिश्चित हो सके कि हर एक कोशिका पूरी तरह से संरेखित हो।
यह शोध पत्र CORE को एक "कोर्स-टू-फाइन रजिस्ट्रेशन इंजन" के रूप में पेश करता है जिसे मेडिकल स्लाइड्स की अव्यवस्थित वास्तविकता को संभालने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने छह अलग-अलग डेटासेट पर इस इंजन का परीक्षण किया जिसमें 30 अलग-अलग प्रकार के स्टेंस (रंग) शामिल थे, जिनमें H&E (मानक गुलाबी और बैंगनी रंग) और जटिल मल्टीप्लेक्स इम्यूनोफ्लोरेसेंस (जो कई चमकते रंगों का उपयोग करता है) जैसे सामान्य स्टेंस शामिल हैं। उन्होंने पाया कि CORE अपने काम में अविश्वसनीय रूप से कुशल है। ACROBAT डेटासेट पर परीक्षणों में, जो स्तन कैंसर के ऊतक के लिए एक प्रमुख बेंचमार्क है, CORE ने 90वें पर्सेंटाइल पर त्रुटि को घटाकर केवल 139.0 माइक्रोमीटर (µm) कर दिया, जिससे इसने दस अन्य शीर्ष विधियों को पछाड़ दिया। इसने यह भी बहुत तेज़ी से किया, जिसमें अन्य उपकरणों की तुलना में केवल 14 सेकंड लगे, जबकि अन्य को 50 से 120 सेकंड लगे। ANHIR डेटासेट पर, जिसमें गायब हिस्सों और भारी खिंचाव वाले कठिन ऊतक शामिल हैं, CORE ने केवल 0.0040 (छवि के आकार के सापेक्ष) की औसत त्रुटि प्राप्त की, जिसने एक बार फिर प्रतिस्पर्धा को पीछे छोड़ दिया। टीम ने दिखाया कि एक त्वरित, व्यापक संरेखण को एक धीमी, सावधानीपूर्वक सेल-दर-सेल जांच के साथ जोड़कर, वे उन स्लाइड्स को भी संभाल सकते थे जिन्हें पुन: रंगा गया था (एक ही ऊतक के टुकड़े को फिर से रंगा गया) या क्रमिक (एक-दूसरे के ठीक बगल में लिए गए स्लाइस), यहाँ तक कि जब ऊतक फटा या मुड़ा हुआ भी था।
लेखक स्पष्ट रूप से केवल एक विधि पर निर्भर रहने के विरुद्ध तर्क देते हैं। वे दिखाते हैं कि केवल बड़ी तस्वीर (कोर्स) को देखने वाली विधियाँ सूक्ष्म विवरणों को चूक जाती हैं, जबकि वे विधियाँ जो बिना किसी मोटे गाइड के तुरंत कोशिकाओं को मिलाने की कोशिश करती हैं, भ्रमित हो जाती हैं और विफल हो जाती हैं। वे यह भी प्रदर्शित करते हैं कि पुराने उपकरण जो सरल रंग मिलान या विशिष्ट प्रकार के स्टेंस पर निर्भर करते हैं, वे तब काम नहीं करते जब रंग नाटकीय रूप से बदल जाते हैं। CORE सुझाव देता है कि सफलता का रहस्य एक पदानुक्रम (hierarchy) में है: पहले बड़ा देखें, फिर छोटा हो जाएँ, और संरेखण को निर्देशित करने के लिए कोशिकाओं के रंग के बजाय उनके आकार का उपयोग करें। यह शोध पत्र विस्तृत प्रयोगों के माध्यम से इसे सिद्ध करता है, जो दिखाता है कि CORE विभिन्न कठिन परिदृश्यों में सटीकता और गति के मामले में लगातार अत्याधुनिक (state-of-the-art) विधियों से बेहतर प्रदर्शन करता है। उन्होंने एक मुफ्त, इंटरैक्टिव टूल भी बनाया है जिसे TiaViz कहा जाता है जो किसी को भी वास्तविक समय में इस संरेखण को देखने की अनुमति देता है, जो यह साबित करता है कि यह प्रक्रिया विशाल मध्यवर्ती फ़ाइलों को सहेजे बिना पूर्ण-रिज़ॉल्यूशन वाली छवियों पर काम करती है। हालाँकि यह उपकरण शक्तिशाली है, लेखक नोट करते हैं कि यह तब संघर्ष कर सकता है जब ऊतक इतना क्षतिग्रस्त हो कि कोई स्पष्ट लैंडमार्क न बचा हो, या यदि कोशिकाएं अत्यंत विरल (sparse) हों, लेकिन अधिकांश मामलों के लिए, यह एक मजबूत, सामान्य समाधान प्रदान करता है जो डिजिटल पैथोलॉजी में लंबे समय से एक बाधा बना हुआ था।
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।