💻 computer science

Hierarchical Classification for Improved Histopathology Image Analysis

यह शोध पत्र HiClass का प्रस्ताव करता है, जो एक मल्टीपल इंस्टेंस लर्निंग पर आधारित पदानुक्रमित वर्गीकरण ढांचा (hierarchical classification framework) है, जो हिस्टोपैथोलॉजिकल लेबल के बीच पदानुक्रमित संबंधों को प्रभावी ढंग से कैप्चर करने के लिए द्विदिश विशेषता एकीकरण (bidirectional feature integration) और अनुकूलित लॉस फंक्शन्स का उपयोग करके कोर्स-ग्रेन्ड और फाइन-ग्रेन्ड होल-स्लाइड इमेज वर्गीकरण को बढ़ाता है।

मूल लेखक: Keunho Byeon, Jinsol Song, Seong Min Hong, Yosep Chong, Jin Tae Kwak

प्रकाशित 2026-03-03

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Keunho Byeon, Jinsol Song, Seong Min Hong, Yosep Chong, Jin Tae Kwak

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

कल्पना कीजिए कि आप एक अपराध को सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन एक अकेले सुराग के बजाय, आपको पूरे शहर की एक विशाल, उच्च-रिज़ॉल्यूशन वाली तस्वीर (एक Whole-Slide Image या WSI) थमा दी गई है। आपका काम यह पहचानना है कि वास्तव में किस तरह का अपराध हुआ है और कहाँ हुआ है।

चिकित्सा पैथोलॉजी (medical pathology) की दुनिया में, डॉक्टर ऐसा ही बायोप्सी से लिए गए ऊतक के नमूनों (tissue samples) के साथ करते हैं। वे बीमारी (जैसे कैंसर) का निदान करने के लिए "शहर" (ऊतक स्लाइड) को देखते हैं।

समस्या: "सपाट" जासूस (The "Flat" Detective)

पारंपरिक रूप से, AI जासूसों को पूरी तस्वीर को देखने और एक उत्तर चिल्लाने के लिए प्रशिक्षित किया जाता था।

पुराना तरीका: "क्या यह एक ट्यूमर है या नहीं?" (हाँ/नहीं)। या, "क्या यह प्रकार A, B, C, या D है?"
खामी: यह मानवीय सोच के स्वाभाविक तरीके की अनदेखी करता है। एक डॉक्टर केवल हवा में से किसी विशिष्ट कैंसर के प्रकार का अनुमान नहीं लगाता है। वे पहले कहते हैं, "ठीक है, यह निश्चित रूप से एक ट्यूमर है" (Coarse स्तर), और फिर वे इसे और स्पष्ट करते हैं: "और विशेष रूप से, यह एक खराब तरीके से विभेदित (poorly-differentiated) ट्यूमर है" (Fine स्तर)।

मौजूदा AI विधियाँ उन जासूसों की तरह थीं जो यह स्थापित किए बिना कि वास्तव में कोई अपराध हुआ है, विशिष्ट संदिग्ध का अनुमान लगाने की कोशिश करती थीं। उन्होंने पदानुक्रम (hierarchy) की अनदेखी की, जिससे बहुत समान दिखने वाली बीमारियों के बीच अंतर करना कठिन हो गया।

समाधान: HiClass (स्मार्ट जासूस)

इस शोध पत्र के लेखक, केउनहो ब्योन (Keunho Byeon) और उनकी टीम ने एक नया AI सिस्टम बनाया जिसे HiClass कहा जाता है। HiClass को एक ऐसे जासूस के रूप में समझें जो एक दो-चरणीय रणनीति और विशेषज्ञों की एक टीम के साथ काम करता है।

1. दो-चरणीय रणनीति (Hierarchical Classification)

तुरंत अंतिम उत्तर का अनुमान लगाने के बजाय, HiClass काम को विभाजित करता है:

चरण 1 (व्यापक दृष्टिकोण - The Broad Brush): यह पहले बड़े चित्र को देखता है ताकि सामान्य श्रेणी (जैसे, "सौम्य/Benign" बनाम "कैंसर/Cancer") का निर्णय ले सके।
चरण 2 (सूक्ष्म विवरण - The Fine Detail): एक बार जब यह जान लेता है कि यह एक "कैंसर" है, तो यह विशिष्ट प्रकार (जैसे, "ट्यूबलर एडेनोकार्सिनोमा") का पता लगाने के लिए ज़ूम इन करता है।

2. गुप्त मंत्र: द्विदिश विशेषता एकीकरण (Bidirectional Feature Integration)

यह सबसे दिलचस्प हिस्सा है। कल्पना करें कि दो जासूस एक ही मामले पर काम कर रहे हैं:

जासूस A बड़े चित्र (Coarse) का विशेषज्ञ है।
जासूस B सूक्ष्म, विशिष्ट विवरणों (Fine) का विशेषज्ञ है।

पुराने सिस्टम में, वे अलग-अलग कमरों में काम करते थे। HiClass में, वे एक ही कमरे में हैं और आपस में बात कर रहे हैं:

जासूस A जासूस B को बताता है: "हे, यह निश्चित रूप से एक ट्यूमर है, इसलिए तुम्हें सौम्य (benign) विशेषताओं को खोजने की चिंता करने की ज़रूरत नहीं है।"
जासूस B जासूस A को बताता है: "मैं यहाँ एक विशिष्ट पैटर्न देख रहा हूँ जो यह पुष्टि करने में मदद करता है कि यह केवल सूजन (inflammation) नहीं, बल्कि एक ट्यूमर है।"

वे जानकारी का आदान-प्रदान (Bidirectional Integration) करते हैं। यह "बड़े चित्र" वाले जासूस को विवरण समझने में मदद करता है, और "विस्तार" वाले जासूस को संदर्भ समझने में मदद करता है। वे एक-दूसरे के काम को मिटाते नहीं हैं; वे बस एक-दूसरे को बेहतर देखने में मदद करते हैं।

3. विशेष नियम (Tailored Loss Functions)

यह सुनिश्चित करने के लिए कि ये दोनों जासूस एक ही पृष्ठ पर रहें, सिस्टम विशेष "खेल के नियम" (गणितीय दंड जिन्हें Loss Functions कहा जाता है) का उपयोग करता है:

निरंतरता का नियम (The Consistency Rule): यदि जासूस A कहता है "यह एक ट्यूमर है," लेकिन जासूस B कहता है "यह एक हानिरहित पॉलिप (polyp) है," तो सिस्टम को दंडित किया जाता है। उन्हें तर्क पर सहमत होना चाहिए।
समूहीकरण का नियम (The Grouping Rule): यदि 14 अलग-अलग प्रकार के ट्यूमर हैं, तो सिस्टम को उन्हें अपने "मन" (feature space) में समान दिखने वालों को करीब रखने और अलग प्रकारों को दूर धकेलने के लिए सिखाया जाता है। यह एक लाइब्रेरी को व्यवस्थित करने जैसा है: सभी "रहस्य" (Mystery) पुस्तकें एक ही शेल्फ पर जाती हैं, और उसी शेल्फ के भीतर, विशिष्ट लेखकों को करीने से व्यवस्थित किया जाता है।
फोकस का नियम (The Focus Rule): जब किसी विशिष्ट ट्यूमर प्रकार की पहचान करने की कोशिश की जाती है, तो सिस्टम को बताया जाता है, "अन्य 13 प्रकारों के बारे में सोचना भी मत; बस इन विशिष्ट प्रकारों की तुलना करो।" यह भ्रम को कम करता है।

परिणाम: एक बेहतर निदान

टीम ने इसका परीक्षण 4,673 पेट की बायोप्सी स्लाइड्स पर किया।

पुराना तरीका: यह बताने में अच्छा था कि "यह कैंसर है," लेकिन अक्सर इस बात को लेकर भ्रमित रहता था कि कौन सा कैंसर है।
HiClass: इसने सामान्य श्रेणी को 85% बार सही पहचाना और विशिष्ट प्रकार को 68% बार सही पहचाना।

इससे भी महत्वपूर्ण बात यह है कि यह सबसे सुसंगत प्रदर्शन करने वाला मॉडल था। अन्य AI मॉडल एक चीज़ में अच्छे थे लेकिन दूसरी में बहुत खराब थे। HiClass दोनों में अच्छा था क्योंकि इसने उस पदानुक्रम का सम्मान किया जिसके माध्यम से डॉक्टर रोगों का निदान करते हैं।

मुख्य निष्कर्ष (The Takeaway)

यह शोध पत्र AI को एक मानव डॉक्टर की तरह सोचने के लिए सिखाने के बारे में है। AI को 14 असंबंधित बीमारियों की एक विशाल सूची रटने के लिए मजबूर करने के बजाय, HiClass इसे एक सीढ़ी चढ़ना सिखाता है: पहले व्यापक श्रेणी की पहचान करना, फिर विशिष्ट विवरणों की ओर कदम बढ़ाना, जबकि लगातार यह जांचते रहना कि क्या वे कदम एक साथ तर्कसंगत हैं।

यह एक छात्र द्वारा शब्दकोश रटने और एक छात्र द्वारा वाक्य में शब्दों के संबंध को समझने के बीच का अंतर है। परिणाम एक अधिक स्मार्ट, अधिक विश्वसनीय चिकित्सा AI है।

यहाँ शोध पत्र "Hierarchical Classification for Improved Histopathology Image Analysis" (HiClass) का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

होल-स्लाइड इमेज (WSI) विश्लेषण रोग निदान (pathology diagnosis) के लिए महत्वपूर्ण है, फिर भी वर्तमान डीप लर्निंग दृष्टिकोण मुख्य रूप से फ्लैट क्लासिफिकेशन (flat classification) पर निर्भर करते हैं। यह दृष्टिकोण सभी क्लास लेबल को स्वतंत्र मानता है, जिससे रोग निदान की अंतर्निहित पदानुक्रमित संरचना (hierarchical structure) की अनदेखी होती है (जैसे, व्यापक स्तर पर "Benign" बनाम "Tumor" के बीच अंतर करना, और फिर ट्यूमर को उनके विभेदन ग्रेड के आधार पर और अधिक उप-श्रेणियों में विभाजित करना)।

पहचाने गए मुख्य चुनौतियाँ:

संदर्भ की हानि (Loss of Context): फ्लैट क्लासिफिकेशन व्यापक श्रेणियों और विशिष्ट उप-प्रकारों के बीच के अर्थपूर्ण संबंधों का लाभ उठाने में विफल रहता है।
सूक्ष्म-स्तरीय कठिनाई (Fine-Grained Difficulty): उच्च अंतर-वर्ग समानता (inter-class similarity) और विशिष्ट उप-प्रकारों के लिए डेटा की कमी के कारण सूक्ष्म-स्तरीय वर्गीकरण (जैसे, विशिष्ट ट्यूमर ग्रेड) व्यापक-स्तरीय वर्गीकरण की तुलना में काफी कठिन होता है।
मौजूदा पदानुक्रमित विधियों की अक्षमता: पैथोलॉजी में पदानुक्रमित वर्गीकरण के पिछले प्रयास (जैसे, HMIL) अक्सर मोटे (coarse) और सूक्ष्म (fine) स्तरों के बीच प्रभावी ढंग से सूचना का आदान-प्रदान करने के लिए मजबूत तंत्र की कमी रखते हैं या पदानुक्रमित बाधाओं के लिए विशेष रूप से फीचर स्पेस को अनुकूलित करने में विफल रहते हैं।

2. कार्यप्रणाली: HiClass फ्रेमवर्क (Methodology: HiClass Framework)

लेखक एक मल्टीपल इंस्टेंस लर्निंग (MIL) आर्किटेक्चर पर आधारित एक पदानुक्रमित वर्गीकरण फ्रेमवर्क HiClass प्रस्तावित करते हैं। यह प्रणाली तीन मुख्य घटकों से बनी है:

A. मॉडल आर्किटेक्चर (Model Architecture)

पैच-लेवल एनकोडर ( $E$ ):
- यह WSI को $512 \times 512$ पैच में विभाजित करता है।
- प्रत्येक पैच के लिए $1024$-आयामी फीचर वेक्टर निकालने के लिए UNI (एक प्री-ट्रेन्ड, सेल्फ-सुपरवाइज्ड जनरल-पर्पज मॉडल जो 100M+ पैच पर प्रशिक्षित है) का उपयोग करता है।
फीचर एग्रीगेटर ( $A$ ):
- एक एकल प्रतिनिधि स्लाइड-लेवल फीचर वेक्टर ( $\mathbb{R}^{512}$ ) में पैच-लेवल फीचर्स को एकत्रित करने के लिए अटेंशन-आधारित पूलिंग (CLAM का अनुसरण करते हुए) का उपयोग करता है।
पदानुक्रमित क्लासिफायर ( $H$ ):
- द्विदिश फीचर एकीकरण (Bidirectional Feature Integration): एकत्रित फीचर को मोटे ( $v_c$ $v_{c}$ ) और सूक्ष्म ( $v_f$ $v_{f}$ ) वेक्टर्स में विभाजित किया जाता है। इसके बाद इन्हें दूसरे स्तर के फीचर्स को जोड़कर (gradient blocking के साथ ताकि पक्षपात को रोका जा सके) संवर्धित किया जाता है।
  - $v_c' = v_c \circ G(v_f)$
  - $v_f' = v_f \circ G(v_c)$
  - लक्ष्य: मोटे फीचर्स सूक्ष्म विवरण प्राप्त करते हैं; सूक्ष्म फीचर्स उच्च-स्तरीय संदर्भ प्राप्त करते हैं।
- प्रोजेक्शन और क्लासिफिकेशन: संवर्धित वेक्टर्स लीनियर प्रोजेक्शन हेड्स और क्लासिफिकेशन हेड्स से गुजरते हैं ताकि दोनों स्तरों के लिए मोटे और सूक्ष्म क्लासेस के लॉजिट्स (logits) को एक साथ उत्पन्न किया जा सके।

B. अनुकूलित लॉस फंक्शन्स (Tailored Loss Functions)

पदानुक्रमित निरंतरता को लागू करने और विभेदन में सुधार करने के लिए, HiClass एक मिश्रित लॉस फंक्शन का उपयोग करता है: $L = L_{CE} + L_{Con} + L_{Int} + L_{GCE}$ ।

क्रॉस-एन्ट्रॉपी लॉस ( $L_{CE}$ ): दोनों मोटे और सूक्ष्म कार्यों पर स्वतंत्र रूप से लागू मानक सुपरवाइज्ड लॉस।
पदानुक्रमित निरंतरता लॉस ( $L_{Con}$ ):
- जेन्सन-शैनन डायवर्जेंस (JSD) पर आधारित।
- सबसे अधिक भरोसेमंद मोटे और सूक्ष्म भविष्यवाणियों के फीचर रिप्रेजेंटेशन को संरेखित करता है।
- उद्देश्य: अर्थपूर्ण निरंतरता सुनिश्चित करना (उदाहरण के लिए, यह रोकना कि एक "Cancer" मोटे भविष्यवाणी को "Gastritis" सूक्ष्म भविष्यवाणी के साथ न जोड़ा जाए)।
इंट्रा- और इंटर-क्लास डिस्टेंस लॉस ( $L_{Int}$ ):
- मार्जिन के साथ KL डायवर्जेंस का उपयोग करता है।
- अलग-अलग मोटे वर्गों से संबंधित सूक्ष्म-स्तरीय वर्गों के बीच की दूरी को अधिकतम (Maximize) करता है।
- एक ही मोटे वर्ग से संबंधित सूक्ष्म-स्तरीय वर्गों के बीच की दूरी को न्यूनतम (Minimize) करता है।
- उद्देश्य: एक ऐसा संरचित फीचर स्पेस बनाना जहाँ सूक्ष्म-स्तरीय क्लस्टर स्वाभाविक रूप से अपने मोटे 'पेरेंट्स' के आसपास समूहबद्ध हों।
ग्रुप-वाइज क्रॉस-एन्ट्रॉपी लॉस ( $L_{GCE}$ ):
- सूक्ष्म-स्तरीय भविष्यवाणी के स्थान को केवल उन वर्गों तक सीमित करता है जो अनुमानित मोटे वर्ग के भीतर आते हैं।
- उद्देश्य: सॉफ्टमैक्स के दौरान प्रतिस्पर्धा करने वाले लॉजिट्स की संख्या को कम करना, क्लास बाउंड्रीज़ को स्पष्ट करना और पैथोलॉजिस्ट के नैदानिक तर्क की नकल करना (पहले व्यापक श्रेणी, फिर उप-प्रकार)।

3. मुख्य योगदान (Key Contributions)

द्विदिश फीचर एकीकरण (Bidirectional Feature Integration): एक नवीन तंत्र जो एक स्तर पर पक्षपात पैदा करने वाले सीधे वेट अपडेट के बिना मोटे और सूक्ष्म फीचर रिप्रेजेंटेशन के बीच सूचना के आदान-प्रदान की सुविधा देता है।
पदानुक्रम-जागरूक लॉस सूट (Hierarchy-Aware Loss Suite): तीन विशिष्ट लॉस फंक्शन्स ( $L_{Con}, L_{Int}, L_{GCE}$ ) का परिचय जो फीचर स्पेस को संरचनात्मक रूप से व्यवस्थित करने, अर्थपूर्ण निरंतरता लागू करने और इंट्रा-ग्रुप विभेदन में सुधार करने के लिए डिज़ाइन किए गए हैं।
व्यापक मूल्यांकन (Comprehensive Evaluation): एक बड़े पैमाने के गैस्ट्रिक बायोप्सी डेटासेट पर एक कठोर मूल्यांकन, जो दर्शाता है कि पदानुक्रमित शिक्षण (hierarchical learning), फ्लैट क्लासिफिकेशन और मौजूदा पदानुक्रमित बेसलाइन दोनों से बेहतर प्रदर्शन करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

डेटासेट:

स्रोत: द कैथोलिक यूनिवर्सिटी ऑफ कोरिया से 4,673 गैस्ट्रिक एंडोस्कोपिक बायोप्सी स्लाइड्स।
क्लासेस: 4 मोटे-स्तरीय (Coarse-grained) क्लासेस (Benign, Cancer, Dysplasia, Gastritis) और 14 सूक्ष्म-स्तरीय (Fine-grained) क्लासेस।

प्रदर्शन तुलना (तालिका 2):
HiClass ने बेसलाइन्स (MaxMIL, MeanMIL, CLAM-SB/MB, TransMIL, S4MIL, और Chang et al.) की तुलना में सभी मेट्रिक्स पर अत्याधुनिक (state-of-the-art) प्रदर्शन हासिल किया:

मोटा-स्तरीय (Coarse-grained): 85.10% सटीकता (Accuracy), 0.8610 F1-macro।
सूक्ष्म-स्तरीय (Fine-grained): 68.68% सटीकता (Accuracy), 0.5220 F1-macro।
नोट: HiClass ने दूसरे सर्वश्रेष्ठ तरीके (S4MIL) को महत्वपूर्ण अंतर से पीछे छोड़ दिया, विशेष रूप से कठिन सूक्ष्म-स्तरीय कार्य में।

एब्लेशन स्टडी (Ablation Study - तालिका 3):

द्विदिश एकीकरण (Bidirectional Integration): यह यूनिडायरेक्शनल (Fine $\to$ Coarse या Coarse $\to$ Fine) या बिना एकीकरण के तुलना में श्रेष्ठ सिद्ध हुआ।
लॉस फंक्शन सिनर्जी (Loss Function Synergy): कोई भी एकल लॉस फंक्शन प्रभावी नहीं था; शिखर प्रदर्शन प्राप्त करने के लिए तीनों अनुकूलित लॉसों ( $L_{Con}, L_{Int}, L_{GCE}$ ) का संयोजन आवश्यक था। किसी भी एक लॉस को हटाने से सटीकता में 2-4% की गिरावट आई।

5. महत्व (Significance)

नैदानिक प्रासंगिकता (Clinical Relevance): यह फ्रेमवर्क वास्तव में पैथोलॉजिस्ट के नैदानिक वर्कफ़्लो को दर्शाता है, जो पहले विशिष्ट उप-प्रकारों को निर्धारित करने से पहले व्यापक पैथोलॉजी प्रकारों की पहचान करते हैं।
मजबूती (Robustness): पदानुक्रमित बाधाओं का लाभ उठाकर, मॉडल क्लास असंतुलन (class imbalance) और उच्च अंतर-वर्ग समानता के प्रति अधिक मजबूत हो जाता है, जो हिस्टोपैथोलॉजी में सामान्य चुनौतियाँ हैं।
सामान्यीकरण (Generalizability): यह दृष्टिकोण सामान्य है और इसे गैस्ट्रिक बायोप्सी के अलावा विभिन्न पैथोलॉजी कार्यों के लिए लागू किया जा सकता है, जो फ्लैट क्लासिफिकेशन से आगे बढ़कर WSI विश्लेषण के लिए एक नया मानक प्रदान करता है।

निष्कर्षतः, HiClass यह प्रदर्शित करता है कि द्विदिश फीचर एक्सचेंज और विशेष लॉस फंक्शन्स के माध्यम से क्लास पदानुक्रम को स्पष्ट रूप से मॉडल करने से स्वचालित हिस्टोपैथोलॉजी इमेज विश्लेषण की सटीकता और विश्वसनीयता में उल्लेखनीय वृद्धि होती है।