💻 computer science

Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse

यह शोध पत्र Noisier2Inverse नामक एक स्व-पर्यवेक्षित पुनर्निर्माण विधि प्रस्तावित करता है जो बिना किसी ग्राउंड-ट्रूथ डेटा की आवश्यकता के सीधे शोर युक्त मापों पर कार्य करके फोटोअकॉस्टिक टोमोग्राफी में परिमित-आकार के डिटेक्टरों के कारण होने वाले इमेज ब्लरिंग को प्रभावी ढंग से संबोधित करता है।

मूल लेखक: Markus Haltmeier, Nadja Gruber, Gyeongha Hwang

प्रकाशित 2026-04-20

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Markus Haltmeier, Nadja Gruber, Gyeongha Hwang

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 प्रकाश की तरंगों के बजाय ध्वनि तरंगों का उपयोग करके किसी छिपी हुई वस्तु की एक आदर्श तस्वीर लेने की कोशिश कर रहे हैं। यह फोटोअकॉस्टिक टोमोग्राफी (PAT) का जादू है। आप एक लेजर से किसी वस्तु पर प्रहार करते हैं, वह थोड़ा गर्म होती है, फैलती है, और एक सूक्ष्म ध्वनि तरंग उत्पन्न करती है। वस्तु के चारों ओर लगे डिटेक्टर इन ध्वनियों को पकड़ लेते हैं, और एक कंप्यूटर उस वस्तु की छवि को पुनर्गठित करने का प्रयास करता है।

आदर्श रूप से, ये डिटेक्टर पूर्ण, सूक्ष्म बिंदु होने चाहिए। लेकिन वास्तविक दुनिया में, डिटेक्टर सूक्ष्म सुइयों के बजाय धुंधली उंगलियों की तरह होते हैं। वे थोड़े बड़े होते हैं। जब एक "धुंधली उंगली" एक ध्वनि सुनती है, तो वह केवल उस सटीक स्थान को नहीं सुनती जहाँ से ध्वनि आई थी; वह अपने पड़ोसियों की भी थोड़ी सी ध्वनि सुन लेती है।

समस्या: "धुंधली उंगली" का धुंधलापन
इन धुंधली उंगलियों के कारण, अंतिम छवि ऐसी दिखती है जैसे किसी कैमरे की लेंस गंदी या धब्बेदार हो। विवरण एक गोलाकार पैटर्न में फैल जाते हैं। यह एक धुंधली खिड़की के माध्यम से किताब पढ़ने जैसा है; आप आकृतियाँ देख सकते हैं, लेकिन अक्षर धुंधले दिखाई देते हैं।

आमतौर पर, एक धुंधली फोटो को ठीक करने के लिए, आपको एक "ग्राउंड ट्रुथ" (वास्तविक सत्य) की आवश्यकता होती है—एक ऐसी तस्वीर जो वास्तव में बताती हो कि वस्तु कैसी दिखती है ताकि कंप्यूटर यह सीख सके कि उसे कैसे साफ करना है। लेकिन मेडिकल इमेजिंग में, हमारे पास अक्सर तुलना करने के लिए रोगी के अंदर की कोई "पूर्ण" तस्वीर नहीं होती। हम ट्यूमर को खोजने की कोशिश करने से पहले उसकी एक आदर्श फोटो नहीं ले सकते।

समाधान: एक स्व-शिक्षित जासूस
लेखकों ने एक चतुर नया तरीका आविष्कार किया है जिसे Noisier2Inverse कहा जाता है। इसे एक ऐसे जासूस के रूप में सोचें जो अपराधी को देखे बिना ही अपराध सुलझाना सीख जाता है।

उनका यह तरीका इस सरल उपमा का उपयोग करके काम करता है:

1. पोलर मैप (वृत्त को खोलना)

सबसे पहले, कंप्यूटर गोलाकार डेटा को एक सपाट मानचित्र में "खोलता" है। कल्पना कीजिए कि आप एक गोल पिज्जा को पतली पट्टियों में काट रहे हैं और फिर उन्हें एक सीधी रेखा में बिछा रहे हैं। यह समस्या को एक साधारण "फैलाव" (smearing) के मुद्दे में बदल देता है। यह धुंधलापन यादृच्छिक नहीं है; यह गोलाकार दिशा में फैलाव का एक विशिष्ट पैटर्न है।

2. "नोइज़ियर" ट्रिक (गूँज कक्ष)

यही सबसे बुद्धिमानी वाला हिस्सा है। आमतौर पर, एक धुंधली छवि को ठीक करने के लिए, आपको एक स्पष्ट छवि की आवश्यकता होती है। लेकिन यहाँ, कंप्यूटर खुद के साथ एक चाल खेलता है:

यह पहले से ही धुंधले, शोर वाले (noisy) डेटा को लेता है।
यह इसमें और भी अधिक शोर (noise) जोड़ देता है (जैसे रेडियो सिग्नल में स्टेटिक जोड़ना)।
फिर यह एक न्यूरल नेटवर्क (एक प्रकार का AI) से पूछता है: "यदि मैं तुम्हें यह अत्यधिक शोर वाला संस्करण दूँ, तो क्या तुम अनुमान लगा सकते हो कि मूल, कम शोर वाला संस्करण कैसा था?"

यह "टेलीफोन गेम" के उलटे संस्करण जैसा है। यदि आप जानते हैं कि शोर को ठीक से कैसे जोड़ा गया है, तो AI उसे हटाना सीख सकता है, जिससे प्रभावी रूप से छवि का "अन-ब्लरिंग" (धुंधलापन हटाना) हो जाता है। यह अपने ही बनाए गए शोर को साफ करने की कोशिश करके धुंधलेपन के पैटर्न को सीखता है, बिना कभी भी मूल, पूर्ण तस्वीर को देखे।

3. "स्टॉप साइन" (कब रुकना है, यह जानना)

AI के साथ एक खतरा यह है कि यदि आप इसे बहुत लंबे समय तक प्रशिक्षित (train) करते हैं, तो यह "भ्रम" (hallucinate) पैदा करने लगता है। यह विवरणों को गढ़ने लगता है जो वहां मौजूद नहीं हैं, ताकि गणित एकदम सही दिखे। इसे ओवरफिटिंग (overfitting) कहा जाता है।

लेखकों ने एक विशेष सांख्यिकीय स्टॉप साइन बनाया है। वे उस "शोर" पर नज़र रखते हैं जिसे AI हटाने की कोशिश कर रहा है।

यदि AI अच्छा काम कर रहा है, तो उसके द्वारा हटाया गया शोर यादृच्छिक स्टेटिक की तरह दिखता है।
यदि AI बहुत लंबे समय तक प्रशिक्षण लेता है, तो वह शोर के साथ-साथ वास्तविक छवि के विवरणों को भी हटाने लगता है।
सिस्टम में एक अंतर्निहित सेंसर है जो कहता है, "हे, जिस शोर को हम हटा रहे हैं वह अब यादृच्छिक स्टेटिक जैसा नहीं लग रहा है; हम चित्र को ही मिटा रहे हैं! रुक जाओ!"

यह क्यों महत्वपूर्ण है

ग्राउंड ट्रुथ की आवश्यकता नहीं: आपको धुंधलेपन को ठीक करने के लिए किसी पूर्ण संदर्भ छवि की आवश्यकता नहीं है। चिकित्सा के क्षेत्र में यह बहुत बड़ी बात है, जहाँ पूर्ण संदर्भ मौजूद नहीं होते।
अनुमान लगाने से बेहतर: यह उन अन्य तरीकों से बेहतर है जो बिना प्रशिक्षण डेटा के समाधान का अनुमान लगाने की कोशिश करते हैं।
व्यावहारिक: यह हमारे वास्तविक, अपूर्ण डिटेक्टरों के साथ काम करता है जो अस्पतालों में उपलब्ध हैं।

संक्षेप में:
कल्पना कीजिए कि आप एक घूमते हुए, धुंधले रिकॉर्ड पर लिखे संदेश को पढ़ने की कोशिश कर रहे हैं। धुंध (डिटेक्टर का आकार) लेखन को फैला देती है। यह नया तरीका एक स्मार्ट श्रोता की तरह है जो रिकॉर्ड में अतिरिक्त स्टेटिक जोड़ता है, सीखता है कि स्टेटिक का धुंध के साथ कैसे व्यवहार होता है, और फिर उस ज्ञान का उपयोग करके धुंध को पोंछ देता है, जिससे नीचे का स्पष्ट संदेश सामने आ जाता है—और यह सब बिना कभी भी उस स्पष्ट संदेश को देखे।

यहाँ शोध पत्र "Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

फोटोअकौस्टिक टोमोग्राफी (PAT) एक इमेजिंग पद्धति है जो लेजर-प्रेरित थर्मोइलास्टिक विस्तार से उत्पन्न ध्वनिक तरंगों से लक्ष्य के प्रारंभिक दबाव वितरण (initial pressure distribution) को पुनर्गठित करती है।

मुख्य चुनौती: जबकि आदर्श बिंदु-समान (3D) या रेखा-समान (2D) डिटेक्टरों के लिए कुशल पुनर्निर्माण एल्गोरिदम मौजूद हैं, व्यावहारिक प्रणालियों में सीमित-आकार के डिटेक्टरों (finite-size detectors) का उपयोग किया जाता है।
परिणाम: सीमित डिटेक्टर अपर्चर पुनर्गठित छवि में व्यवस्थित कोणीय धुंधलापन (angular blurring) का कारण बनते हैं, जिससे स्थानिक रिज़ॉल्यूशन (spatial resolution) कम हो जाता है।
वर्तमान समाधानों की सीमाएँ:
- विश्लेषणात्मक/पुनरावृत्ति विधियाँ (Analytical/Iterative Methods): ये धुंधलेपन की भरपाई कर सकती हैं लेकिन ये गणनात्मक रूप से महंगी हैं या इनके लिए जटिल मॉडलिंग की आवश्यकता होती है।
- सुपरवाइज्ड लर्निंग (Supervised Learning): यह उच्च प्रदर्शन प्राप्त करती है लेकिन इसके लिए ग्राउंड-ट्रुथ छवियों (स्वच्छ, स्पष्ट डेटा और शोर वाले/धुंधले माप का जोड़ा) की आवश्यकता होती है, जो वास्तविक दुनिया के चिकित्सा या वैज्ञानिक इमेजिंग में शायद ही कभी उपलब्ध होती हैं।
लक्ष्य: एक ऐसा पुनर्निर्माण तरीका विकसित करना जो बिना किसी ग्राउंड-ट्रुथ डेटा के (स्व-पर्यवेक्षित/self-supervised) सीमित डिटेक्टरों के कारण होने वाले कोणीय धुंधलेपन को हटा सके।

2. कार्यप्रणाली (Methodology)

लेखक एक ऐसा ढांचा प्रस्तावित करते हैं जो PAT पुनर्निर्माण की समस्या को ध्रुवीय डोमेन (polar domain) में एक स्व-पर्यवेक्षित कोणीय डीब्लरिंग (self-supervised angular deblurring) कार्य में बदल देता है, जिसे Noisier2Inverse एल्गोरिदम का उपयोग करके हल किया जाता है।

A. गणितीय सूत्रीकरण (Mathematical Formulation)

फॉरवर्ड मॉडल: सीमित डिटेक्टरों वाले मापे गए डेटा $g$ को $g = U_a(f) + \xi$ के रूप में मॉडल किया गया है, जहाँ $U_a$ में डिटेक्टर अपर्चर प्रभाव शामिल हैं।
दो-चरणीय रणनीति:
- चरण 1 (आदर्श व्युत्क्रमण/Ideal Inversion): कच्चे डेटा पर बिंदु/रेखा डिटेक्टर मॉडल ( $V$ ) के व्युत्क्रम को लागू करें। इससे एक मध्यवर्ती छवि प्राप्त होती है जो रेडियल निर्देशांकों में तीक्ष्ण (sharp) होती है लेकिन कोणीय निर्देशांक में धुंधली (blurred) होती है।
- चरण 2 (कोणीय डीब्लरिंग): इस समस्या को ध्रुवीय निर्देशांकों (polar coordinates) $(r, \phi)$ में पुनर्गठित किया जाता है। घूर्णी अपरिवर्तनीयता (rotational invariance) के कारण, सीमित अपर्चर प्रभाव को कोणीय चर $\phi$ में एक चक्रीय अभिसरण (circular convolution) के रूप में देखा जाता है।
- परिणामी समीकरण: समस्या $y_P = A(x_P) + \xi_P$ में बदल जाती है, जहाँ $A$ एक डिस्क्रीट सर्कुलर कन्वेल्यूशन ऑपरेटर है जो कोणीय धुंधलेपन को दर्शाता है, और $x_P$ ध्रुवीय निर्देशांकों में अज्ञात तीक्ष्ण छवि है।

B. Noisier2Inverse ढांचा

चूँकि ग्राउंड-ट्रुथ उपलब्ध नहीं है, लेखक Noisier2Inverse का उपयोग करते हैं, जो एक स्व-पर्यवेक्षित विधि है जिसे योज्य शोर (additive noise) वाले रैखिक व्युत्क्रम समस्याओं के लिए डिज़ाइन किया गया है।

तंत्र (Mechanism):
1. शोर वाले डेटा $y_P$ में कृत्रिम शोर $\eta$ (जो माप शोर $\xi$ के समान वितरण से लिया गया है) जोड़ें, जिससे "अधिक शोर वाला" (noisier) डेटा $y_P + \eta$ प्राप्त होता है।
2. एक न्यूरल नेटवर्क $B$ (पैरामीटराइज्ड $\theta$ द्वारा) को $y_P + \eta$ से $y_P - \eta$ का अनुमान लगाने के लिए प्रशिक्षित करें।
3. सैद्धांतिक औचित्य: प्रमेय 2.3 सिद्ध करता है कि लॉस $\mathbb{E}\|AB(y+\eta) - (y-\eta)\|^2$ को कम करना, सुपरवाइज्ड लॉस $\mathbb{E}\|AB(y+\eta) - Ax\|^2$ को कम करने के समान है, जो प्रभावी रूप से स्वच्छ सिग्नल $x$ को देखे बिना उसे रिकवर करना सीखता है।
आर्किटेक्चर: एक U-Net शैली का एनकोडर-डिकोडर जो कोणीय आवधिकता (angular periodicity) का सम्मान करने के लिए सर्कुलर पैडिंग के साथ सीधे ध्रुवीय ग्रिड (polar grid) पर कार्य करता है।

C. नवीन स्टॉपिंग क्राइटेरियन (Novel Stopping Criterion)

स्व-पर्यवेक्षित लर्निंग में एक महत्वपूर्ण चुनौती ओवरफिटिंग है, क्योंकि लॉस डेटा स्पेस ( $Y$ -space) में परिभाषित है न कि इमेज स्पेस में।

समस्या: ग्राउंड-ट्रुथ के साथ वैलिडेशन सेट का उपयोग करने वाला मानक 'अर्ली स्टॉपिंग' यहाँ संभव नहीं है।
समाधान: लेखक एक सांख्यिकीय रूप से आधारित अर्ली-स्टॉपिंग नियम प्रस्तावित करते हैं।
- वे अनुमानित शोर ( $y - \hat{y}$ ) और ज्ञात शोर वितरण ( $\xi$ ) के बीच अर्थ मूवर्स डिस्टेंस (EMD) (1-वॉसरस्टीन दूरी) की निगरानी करते हैं।
- तर्क: जैसे-जैसे प्रशिक्षण आगे बढ़ता है, नेटवर्क शुरू में सिग्नल को सीखता है (त्रुटि कम करता है)। यदि प्रशिक्षण बहुत लंबे समय तक चलता है, तो यह शोर को फिट करने लगता है, जिससे अनुमानित शोर वितरण वास्तविक शोर वितरण से विचलित हो जाता है।
- क्रिया: प्रशिक्षण तब रुकता है जब अनुमानित शोर और वास्तविक शोर वितरण के बीच EMD न्यूनतम होता है।

3. मुख्य योगदान (Key Contributions)

PAT-विशिष्ट मॉडलिंग: यह शोध पत्र सफलतापूर्वक एक सीमित-डिटेक्टर PAT समस्या को ध्रुवीय निर्देशांकों में एक कोणीय डीब्लरिंग समस्या के रूप में पुनर्गठित करता है, जो भौतिकी को सर्कुलर कन्वेल्यूशन में सरल बनाने के लिए घूर्णी अपरिवर्तनीयता का लाभ उठाता है।
Noisier2Inverse अनुकूलन: यह PAT में Noisier2Inverse का पहला अनुप्रयोग है। महत्वपूर्ण रूप से, लेखक नोट करते हैं कि समस्या को ध्रुवीय निर्देशांकों में बदलने से सह-संबंधित शोर (correlated noise) उत्पन्न होता है (गैर-यूनिटरी ट्रांसफॉर्म के कारण)। Noisier2Inverse इसके लिए विशेष रूप से उपयुक्त है, जबकि अन्य विधियाँ जैसे Sparse2Inverse (जो i.i.d. शोर मानती हैं) विफल हो जाएंगी।
स्वचालित स्टॉपिंग नियम: EMD-आधारित स्टॉपिंग क्राइटेरियन का परिचय पूर्णतः स्वचालित, ग्राउंड-ट्रुथ-मुक्त प्रशिक्षण की अनुमति देता है, जो उन स्व-पर्यवेक्षित व्युत्क्रम समस्याओं में ओवरफिटिंग की समस्या को हल करता है जहाँ वैलिडेशन डेटा अनुपलब्ध होता है।
ग्राउंड-ट्रुथ-मुक्त प्रदर्शन: यह विधि बिना किसी स्वच्छ संदर्भ छवियों के, ग्राउंड-ट्रुथ डेटा की आवश्यकता के बिना, सुपरवाइज्ड बेंचमार्क के करीब प्रदर्शन प्राप्त करती है।

4. प्रयोगात्मक परिणाम (Experimental Results)

सेटअप: प्रयोग FIVES डेटासेट (रेटिनल वेसल सेगमेंटेशन मास्क) पर किए गए, जिसे 2D PAT भौतिकी के साथ सिम्युलेट किया गया था।
शर्तें: चार अलग-अलग कोणीय ब्लरिंग कर्नेल (Indicator-10, Indicator-20, Gaussian-1, Gaussian-2) और तीन शोर स्तर (2%, 5%, 10%)।
तुलना: प्रस्तावित विधि ("Ours") की तुलना निम्नलिखित से की गई:
- सुपरवाइज्ड लर्निंग (गोल्ड स्टैंडर्ड)।
- डीप इमेज प्रायर (DIP) (अनसुपरवाइज्ड)।
- टोटल वेरिएशन के साथ सेल्फ-सुपरवाइज्ड (SSLTV)।
प्रदर्शन मेट्रिक्स: पीक सिग्नल-टू-नॉइज़ रेशियो (PSNR)।
निष्कर्ष:
- प्रस्तावित विधि ने सभी ब्लर प्रकारों और शोर स्तरों में सभी अनसुपरवाइज्ड बेसलाइनों (DIP और SSLTV) को लगातार पछाड़ दिया।
- इसने ग्राउंड-ट्रुथ की कमी के बावजूद सुपरवाइज्ड बेंचमार्क के बहुत करीब PSNR मान प्राप्त किए।
- दृश्य निरीक्षण (Visual inspection) ने अन्य अनसुपरवाइज्ड विधियों की तुलना में बेहतर एज प्रिजर्वेशन (edge preservation) और आर्टिफैक्ट रिडक्शन की पुष्टि की।
- EMD-आधारित स्टॉपिंग नियम ने ओवरफिटिंग को सफलतापूर्वक रोका, जो टेस्ट-सेट PSNR के साथ व्युत्क्रमानुपाती संबंध दिखाता है (कम EMD = उच्च PSNR)।

5. महत्व और प्रभाव (Significance and Impact)

व्यावहारिकता: यह कार्य उच्च-रिज़ॉल्यूशन PAT और व्यावहारिक नैदानिक/वैज्ञानिक अनुप्रयोग के बीच के अंतर को पाटता है, जो ग्राउंड-ट्रुथ डेटा प्राप्त करने की अत्यधिक लागत के बिना सीमित-डिटेक्टर प्रभाव को संबोधित करता है।
सामान्यीकरण (Generalizability): एक भौतिक व्युत्क्रम समस्या को एक विशिष्ट समन्वय प्रणाली (ध्रुवीय) में स्व-पर्यवेक्षित डीकन्वोल्यूशन कार्य में बदलने का ढांचा अन्य इमेजिंग पद्धतियों के लिए भी लागू है जिनमें घूर्णी समरूपता (rotational symmetries) होती है।
मजबूती (Robustness): सांख्यिकीय स्टॉपिंग नियम उन व्युत्क्रम समस्याओं में प्रशिक्षित करने के लिए एक विश्वसनीय, स्वचालित तंत्र प्रदान करता है जहाँ वैलिडेशन डेटा अनुपलब्ध होता है, जो चिकित्सा इमेजिंग में एक सामान्य बाधा है।

संक्षेप में, यह शोध पत्र फोटोअकौस्टिक टोमोग्राफी में कोणीय डीब्लरिंग के लिए एक मजबूत, स्व-पर्यवेक्षित समाधान प्रस्तुत करता है, जो ग्राउंड-ट्रुथ के बिना लगभग सुपरवाइज्ड प्रदर्शन प्राप्त करने के लिए भौतिक मॉडलिंग, उन्नत डीप लर्निंग (Noisier2Inverse) और सांख्यिकीय सत्यापन को जोड़ता है।