🤖 machine learning

Unsupervised learning of acquisition variability in structural connectomes via hybrid latent space modeling

यह शोध पत्र एक अनसुपरवाइज्ड हाइब्रिड लेटेंट स्पेस फ्रेमवर्क पेश करता है जिसमें आर्किटेक्चरल एनीलिंगिंग है जो बिना किसी मैनुअल कैपेसिटी ट्यूनिंग की आवश्यकता के, बड़े पैमाने के dMRI स्ट्रक्चरल कनेक्टोम्स में अधिग्रहण-संबंधी परिवर्तनशीलता को जैविक संकेतों से प्रभावी ढंग से अलग करता है।

मूल लेखक: Gaurav Rudravaram, Lianrui Zuo, Karthik Ramadass, Elyssa McMaster, Jongyeon Yoon, Aravind R. Krishnan, Adam M. Saunders, Chenyu Gao, Nancy R. Newlin, Praitayini Kanakaraj, Lori L. Beason Held, Murat B

प्रकाशित 2026-05-15

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Gaurav Rudravaram, Lianrui Zuo, Karthik Ramadass, Elyssa McMaster, Jongyeon Yoon, Aravind R. Krishnan, Adam M. Saunders, Chenyu Gao, Nancy R. Newlin, Praitayini Kanakaraj, Lori L. Beason Held, Murat Bilgel, Laura A. Barquero, Micah DArchangel, Tin Q. Nguyen, Laurie B. Cutting, Derek Archer, Timothy J. Hohman, Daniel C. Moyer, Bennett A. Landman

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 मानव मस्तिष्क के बारे में किताबों की एक विशाल लाइब्रेरी को व्यवस्थित करने की कोशिश कर रहे हैं। ये किताबें कागज की नहीं बनी हैं; ये डिजिटल मानचित्र हैं जो दिखाते हैं कि मस्तिष्क के विभिन्न हिस्से एक-दूसरे से कैसे जुड़े हुए हैं (जिन्हें "स्ट्रक्चरल कनेक्टोम्स" कहा जाता है)।

समस्या यह है कि ये मानचित्र 13 अलग-अलग पुस्तकालयों (अनुसंधान अध्ययनों) द्वारा 25 अलग-अलग प्रकार के कैमरों और स्कैनरों का उपयोग करके बनाए गए हैं। भले ही दो लोगों के मस्तिष्क बिल्कुल समान हों, उनके मानचित्र थोड़े अलग दिख सकते हैं क्योंकि एक को किसी विशेष सेटिंग के साथ मंगलवार को स्कैन किया गया था और दूसरे को एक अलग सेटिंग के साथ शुक्रवार को। यह कुछ ऐसा है जैसे आप किताबों को उनकी शैली (genre) के आधार पर छाँटने की कोशिश कर रहे हों, लेकिन प्रिंटर के आधार पर उनके कवर का रंग बदल रहा है, न कि कहानी के आधार पर।

यह शोध पत्र इन मस्तिष्क मानचित्रों को छाँटने का एक नया, स्मार्ट तरीका पेश करता है ताकि "प्रिंटर के अंतर" को "कहानी के अंतर" के साथ मिक्स न किया जा सके।

समस्या: "शोर भरी" लाइब्रेरी

अतीत में, वैज्ञानिकों ने इन मानचित्रों को साफ करने के लिए मानक उपकरणों का उपयोग करने की कोशिश की। इन उपकरणों को एक बुनियादी फोटो फिल्टर की तरह समझें। वे अंतरों को सुचारू बनाने की कोशिश करते हैं, लेकिन वे अक्सर हर चीज़ को एक निरंतर धुंध (continuous blur) के रूप में देखते हैं। वे आसानी से यह अंतर नहीं कर पाते कि क्या एक "निरंतर" परिवर्तन है (जैसे कि उम्र बढ़ना) और क्या एक "विच्छिन्न" (discrete) परिवर्तन है (जैसे कि स्कैनर A से स्कैनर B पर स्विच करना)। इसके परिणामस्वरूप, स्कैनर के अंतर मस्तिष्क के डेटा के भीतर छिप जाते हैं, जिससे वास्तविक जैविक पैटर्न को देखना कठिन हो जाता है।

समाधान: एक हाइब्रिड सॉर्टिंग मशीन

लेखकों ने एक नए प्रकार का AI बनाया है, जिसे वे Joint-VAE कहते हैं। इस AI को डेटा के लिए एक दो-लेन वाले हाईवे की तरह समझें:

कंटीन्यूअस लेन (Continuous Lane): यह लेन सहज, क्रमिक परिवर्तनों को संभालती है, जैसे कि उम्र बढ़ने की प्राकृतिक प्रक्रिया या लोगों के बीच सूक्ष्म जैविक अंतर।
डिस्क्रीट लेन (Discrete Lane): यह लेन "ऑन/ऑफ" या "श्रेणी" वाले परिवर्तनों को संभालती है, जैसे कि किस स्कैनर का उपयोग किया गया था या डेटा किस अध्ययन से आया था।

लक्ष्य यह है कि AI को मजबूर किया जाए कि वह "स्कैनर के शोर" को डिस्क्रीट लेन में और "मस्तिष्क की जीव विज्ञान" को कंटीन्यूअस लेन में डाले।

नवाचार: "ट्रेनिंग कोच" (आर्किटेक्चरल एनीलिंग)

यहाँ पेचीदा हिस्सा है। यदि आप बस AI को चलाने के लिए छोड़ देते हैं, तो वह पूरी तरह से डिस्क्रीट लेन को अनदेखा कर देता है। AI के लिए सारा जानकारी (स्कैनर का शोर और मस्तिष्क की जीव विज्ञान दोनों) को बड़े, चौड़े कंटीन्यूअस लेन में डालना आसान होता है क्योंकि उस लेन में असीमित जगह होती है।

पिछले तरीकों ने इसे ठीक करने के लिए AI को मैन्युअल रूप से यह बताने की कोशिश की कि, "हे, तुम कंटीन्यूअस लेन में केवल 50% डेटा रख सकते हो।" लेकिन यह एक धावक को विशिष्ट नंबर चिल्लाकर बताने जैसा है; इसे सही करना कठिन है, और यदि आप नंबर गलत कर देते हैं, तो धावक विफल हो जाता है।

इस शोध पत्र की सफलता एक नई "आर्किटेक्चरल एनीलिंग" रणनीति है। केवल निर्देश चिल्लाने के बजाय, लेखकों ने एक ट्रेनिंग कोच बनाया है जो प्रशिक्षण की शुरुआत में भौतिक रूप से कंटीन्यूअस लेन को ब्लॉक कर देता है।

प्रारंभिक प्रशिक्षण: कोच कंटीन्यूअस लेन पर "प्रवेश निषेध" का साइन लगा देता है। AI को मजबूर किया जाता है कि वह सारी जानकारी डिस्क्रीट लेन में डाले। यह विभिन्न स्कैनरों और प्रोटोकॉल को पहचानना सीख जाता है क्योंकि उसके पास कोई दूसरा विकल्प नहीं होता।
देर से प्रशिक्षण: जैसे-जैसे AI स्मार्ट होता जाता है, कोच धीरे-धीरे कंटीन्यूअस लेन पर लगी बाधा को हटा देता है। अब, AI चिकने जैविक विवरणों के लिए कंटीन्यूअस लेन का उपयोग करना शुरू कर सकता है, लेकिन उसने पहले ही स्कैनर के शोर को अलग रखना सीख लिया है।

यह अपने आप होता है। AI बिना किसी शोधकर्ता द्वारा जटिल नॉब्स को मैन्युअल रूप से ट्यून किए, खुद को संतुलित करना सीख जाता है।

परिणाम: लाइब्रेरी को छाँटना

टीम ने 2 से 102 वर्ष की आयु के 7,416 मस्तिष्क मानचित्रों (स्वस्थ व्यक्तियों और संज्ञानात्मक समस्याओं वाले लोगों सहित) के एक विशाल डेटासेट पर इसका परीक्षण किया।

परीक्षण: उन्होंने AI से मानचित्रों को इस आधार पर समूहबद्ध करने के लिए कहा कि वे किस स्कैनर से आए थे (AI को स्कैनर के नाम बताए बिना)।
विजेता: नया "आर्किटेक्चरल एनीलिंग" तरीका मानचित्रों को छाँटने में सबसे अच्छा रहा। इसने पुराने तरीकों की तुलना में 25 अलग-अलग स्कैनर समूहों की पहचान बहुत बेहतर तरीके से की।
खोज: AI ने न केवल स्कैनरों को अलग करना सीखा; इसने यह भी सीखा कि स्कैनर कैसे भिन्न होते हैं। इसने महसूस किया कि कुछ स्कैनर अलग "शेल" सेटिंग्स, अलग कोण या अलग समय का उपयोग करते हैं। इसने डेटा को इस तरह से व्यवस्थित किया जो इन तकनीकी सेटिंग्स के जटिल मिश्रण को दर्शाता है।

निचोड़

यह शोध पत्र दिखाता है कि एक विशेष "दो-लेन" वाले AI और एक स्मार्ट ट्रेनिंग शेड्यूल का उपयोग करके, हम चिकित्सा स्कैनरों के "शोर" को मानव मस्तिष्क के "सिग्नल" से स्वचालित रूप से अलग कर सकते है। यह वैज्ञानिकों को विभिन्न अस्पतालों और अध्ययनों के डेटा को मिलाने की अनुमति देता है बिना इस डर के कि परिणाम उन उपकरणों से भ्रमित हो जाएंगे जिनका उपयोग तस्वीरें लेने के लिए किया गया था।

नोट: शोध पत्र स्पष्ट रूप से बताता है कि इस अनसुपरवाइज्ड सेटअप में, AI ने मुख्य रूप से स्कैनरों के बारे में सीखा, न कि रोगियों के बीच के जैविक अंतरों (जैसे अल्जाइमर) के बारे में। लेखक सुझाव देते हैं कि भविष्य के कार्य इस पद्धति का उपयोग उन जैविक अंतरों को अलग करने में मदद करने के लिए कर सकते हैं, लेकिन इस विशिष्ट अध्ययन ने स्कैनर डेटा को साफ करने के लिए इस पद्धति को सिद्ध करने पर ध्यान केंद्रित किया।

तकनीकी सारांश: हाइब्रिड लेटेंट स्पेस मॉडलिंग के माध्यम से स्ट्रक्चरल कनेक्टोम्स में अधिग्रहण परिवर्तनशीलता का अनसुपरवाइज्ड लर्निंग

समस्या विवरण
डिफ्यूजन एमआरआई (dMRI) न्यूरोडीजेनेरेटिव रोगों, संज्ञानात्मक गिरावट और बुढ़ापे में व्हाइट-मैटर कनेक्टिविटी और सूक्ष्म संरचनात्मक अखंडता के विश्लेषण के लिए आवश्यक है। हालांकि, dMRI डेटा अधिग्रहण प्रोटोकॉल (जैसे स्कैनर प्रकार, इको टाइम, रिपिटिशन टाइम, b-वैल्यूज़ और शेल कॉन्फ़िगरेशन) की विषमता से अत्यधिक प्रभावित होता है। ये अधिग्रहण संबंधी अंतर परिवर्तनशीलता उत्पन्न करते हैं जो अंतर्निहित जैविक संकेतों को धुंधला कर देते हैं, जिससे मल्टी-साइट अध्ययनों में सामान्य निष्कर्ष निकालना कठिन हो जाता है। जबकि सामंजस्य (harmonization) तकनीकें मौजूद हैं, उनमें से कई पूर्वनिर्धारित साइट लेबल या मेटाडेटा पर निर्भर करती हैं, जो अपूर्ण या गलत हो सकते हैं। इसके अलावा, पारंपरिक आयामी कमी (dimensionality reduction) विधियाँ (जैसे मानक वेरिएशनल ऑटोएनकोडर्स या PCA) आमतौर पर सभी परिवर्तनशीलता को निरंतर (continuous) मानकर मॉडल करती हैं, जिससे डिस्क्रीट (discrete) अधिग्रहण प्रभावों को निरंतर जैविक भिन्नता से अलग करना कठिन हो जाता है। मौजूदा हाइब्रिड लेटेंट स्पेस मॉडल जो डिस्क्रीट और निरंतर कारकों को अलग करने का प्रयास करते हैं, उन्हें अक्सर वांछित परिवर्तनशीलता को कैप्चर करने के लिए मैनुअल क्षमता ट्यूनिंग की आवश्यकता होती है, जिससे अस्थिरता और हाइपरपैरामीटर के प्रति संवेदनशीलता बढ़ती है।

कार्यप्रणाली
लेखक एक आर्किटेक्चरल एनीलिंग जॉइंट-VAE (Architectural Annealing Joint-VAE) प्रस्तावित करते हैं, जो एक अनसुपरवाइज्ड फ्रेमवर्क है जिसे स्ट्रक्चरल कनेक्टोम्स को मॉडल करने के लिए निरंतर ( $z_c$ ) और डिस्क्रीट ( $z_d$ ) चरों वाले हाइब्रिड लेटेंट स्पेस को सीखने के लिए डिज़ाइन किया गया है।

डेटा क्यूरेशन: अध्ययन में 13 न्यूरोइमेजिंग अध्ययनों से प्राप्त एक बड़े, विषम डेटासेट ( $N=7,416$ ) का उपयोग किया गया है, जो 2 से 102 वर्ष की आयु तक फैला हुआ है। इसमें 25 अद्वितीय अधिग्रहण पैरामीटर संयोजन (साइट्स) शामिल हैं और यह न्यूरोटिपिकल, माइल्ड कॉग्निटिव इम्पेयरमेंट (MCI), और अल्जाइमर रोग (AD) समूहों को कवर करता है। 121 ROIs और प्रति विषय 10 मिलियन स्ट्रीमलाइन्स वाले मानक प्रीप्रोसेसिंग पाइपलाइन्स (PreQual, SLANT, MRtrix3) का उपयोग करके स्ट्रक्चरल कनेक्टोम्स बनाए गए थे।
मॉडल आर्किटेक्चर: मॉडल पारंपरिक वेरिएशनल ऑटोएनकोडर (VAE) का विस्तार करता है। एनकोडर फ्लैटन किए गए कनेक्टोम डेटा को जॉइंट पोस्टीरियर $q_\phi(z_c, z_d | x)$ $q_{ϕ} (z_{c}, z_{d} ∣ x)$ में मैप करता है, जबकि डिकोडर संयोजित लेटेंट वेक्टर $[z_c, z_d]$ $[z_{c}, z_{d}]$ से इनपुट को पुनर्गठित (reconstruct) करता है।
- निरंतर लेटेंट ( $z_c$ ): इसे गॉसियन वितरण के रूप में मॉडल किया गया है।
- डिस्क्रीट लेटेंट ( $z_d$ ): इसे कैटेगोरिकल वितरण के रूप में मॉडल किया गया है (25 क्लास जो साइट्स की संख्या के अनुरूप हैं), जिसे गंबेल-सॉफ्टमैक्स (Gumbel-Softmax) के माध्यम से सैंपल किया गया है।
आर्किटेक्चरल एनीलिंग: मुख्य नवाचार है एक चरणबद्ध एनीलिंग प्रक्रिया जो केवल लॉस फंक्शन के बजाय सीधे एनकोडर आउटपुट्स पर लागू की जाती है।
- एक एनीलिंग फैक्टर $\lambda$ एक निश्चित संख्या में इटरेशन के दौरान 0 से 1 तक रैखिक रूप से बढ़ता है।
- निरंतर लेटेंट के लिए एनकोडर के मीन ( $\mu$ ) और लॉग-वेरिएंस ( $\log \sigma^2$ ) को $\lambda$ द्वारा स्केल किया जाता है (अर्थात, $\mu' = \lambda \mu$ , $\log \sigma'^2 = \lambda \log \sigma^2$ ) और फिर सैंपलिंग और KL डाइवर्जेंस की गणना की जाती है।
- तंत्र (Mechanism): प्रशिक्षण की शुरुआत में ( $\lambda \approx 0$ ), निरंतर पथ को दबा दिया जाता है, जिससे मॉडल को संरचनात्मक जानकारी को डिस्क्रीट लेटेंट स्पेस में एनकोड करने के लिए मजबूर किया जाता है। जैसे-जैसे $\lambda$ बढ़ता है, निरंतर पथ धीरे-धीरे अनमास्क (unmask) होता है, जिससे संतुलित संयुक्त अनुकूलन (joint optimization) संभव होता है। यह आर्किटेक्चरल बाधा यह सुनिश्चित करती है कि निरंतर स्पेस शुरुआती प्रशिक्षण डायनेमिक्स पर हावी न हो जाए, जो कि लॉस-आधारित एनीलिंग दृष्टिकोणों में देखा जाने वाला एक फेलियर मोड है।

प्रमुख योगदान

सिद्धांत-आधारित अनसुपरवाइज्ड फ्रेमवर्क: पेपर एक विधि पेश करता है जो बिना साइट लेबल या मैनुअल क्षमता ट्यूनिंग के, डिस्क्रीट अधिग्रहण प्रभावों को निरंतर जैविक भिन्नता से अलग करती है।
आर्किटेक्चरल एनीलिंग: पिछले दृष्टिकोणों के विपरीत जो केवल लॉस टर्म (KL डाइवर्जेंस) को एनील करते हैं, यह विधि सीधे एनकोडर आउटपुट्स को एनील करती है। यह सुनिश्चित करता है कि डिकोडर पूरे प्रशिक्षण के दौरान नियंत्रित क्षमता वाले रिप्रेजेंटेशन पर कंडिशन हो, जिससे अधिक स्थिर डायनेमिक्स प्राप्त होते हैं।
बड़े पैमाने पर सत्यापन: इस फ्रेमवर्क को पूर्ववर्ती हाइब्रिड लेटेंट स्पेस अध्ययनों की तुलना में काफी बड़े और विविध डेटासेट (7,416 विषय, 25 साइट्स) पर सत्यापित किया गया है।

परिणाम

मैनुअल ट्यूनिंग के प्रति संवेदनशीलता: मानक जॉइंट-VAE (Eq. 5) पर प्रयोगों ने प्रदर्शित किया कि मॉडल मैनुअल निरंतर क्षमता ( $C_c$ ) सेटिंग्स के प्रति अत्यधिक संवेदनशील है। $C_c$ को बढ़ाने से डिस्क्रीट स्पेस कोलैप्स हो गया, जिससे अलग-अलग साइट क्लस्टर्स आपस में मिल गए और साइट संरचना को रिकवर करने में विफल रहे।
बेहतर साइट डिस्कवरी: प्रस्तावित आर्किटेक्चरल एनीलिंग जॉइंट-VAE ने PCA+k-means, मानक VAE+k-means, और केवल लॉस-आधारित एनीलिंग का उपयोग करने वाले जॉइंट-VAE सहित बेसलाइन्स की तुलना में काफी बेहतर प्रदर्शन किया।
- 25 डिस्क्रीट क्लासेस (जो वास्तविक साइट्स से मेल खाती हैं) पर, मॉडल-एनील दृष्टिकोण ने 0.53 का एडजस्टेड रैंड इंडेक्स (ARI) ( $p < 0.05$ ) प्राप्त किया, जो अन्य सभी विधियों से काफी अधिक है।
- मॉडल-एनील दृष्टिकोण ने तब भी स्थिर प्रदर्शन बनाए रखा जब क्लास की संख्या ग्राउंड ट्रुथ के करीब पहुंची, जबकि लॉस-एनील और PCA बेसलाइन्स ने उल्लेखनीय प्रदर्शन गिरावट दिखाई।
लेटेंट स्पेस व्याख्यात्मकता: लेटेंट स्पेस के विज़ुअलाइज़ेशन ने खुलासा किया कि मॉडल ने सिंगल-शेल अधिग्रहणों से मल्टी-शेल अधिग्रहणों को सफलतापूर्वक अलग करने में सफलता प्राप्त की। सिंगल-शेल समूहों के भीतर, निरंतर लेटेंट स्पेस ने विषयों को अधिग्रहण मापदंडों (TE, TR, एंगुलर रेजोल्यूशन) के अनुसार सुचारू रूप से व्यवस्थित किया, जो अधिग्रहण परिवर्तनशीलता का एक नॉन-लीनियर फैक्टराइजेशन प्रदर्शित करता है।

महत्व और दावे
पेपर का दावा है कि प्रस्तावित हाइब्रिड निरंतर-डिस्क्रीट लेटेंट स्पेस डिफ्यूजन एमआरआई में अधिग्रहण-संबंधी परिवर्तनशीलता को कैप्चर करने के लिए एक मजबूत, अनसुपरवाइज्ड तंत्र प्रदान करता है। स्मूथ और कैटेगोरिकल संरचनाओं को संयुक्त रूप से मॉडल करके, मॉडल स्कैनर और प्रोटोकॉल अंतरों के साथ संरेखित सार्थक क्लस्टर को बिना किसी सुपरविजन के रिकवर करता है। लेखक इस बात पर जोर देते हैं कि सीखा गया लेटेंट स्ट्रक्चर यह प्रकट करता है कि कोई भी एकल अधिग्रहण पैरामीटर परिवर्तनशीलता पर हावी नहीं है; बल्कि, मॉडल TE, TR, b-values और शेल स्ट्रक्चर से जुड़ी एक मल्टी-फैक्टर डिपेंडेंसी को कैप्चर करता है।

लेखक विनम्रतापूर्वक एक सीमा नोट करते हैं: इस पूरी तरह से अनसुपरवाइज्ड सेटिंग में, लेटेंट स्पेस अधिग्रहण-संबंधी परिवर्तनशीलता द्वारा हावी है न कि विषयों के बीच जैविक अंतरों द्वारा। वे सुझाव देते हैं कि भविष्य के कार्य इस हिस्से को एक सेमी-सुपरवाइज्ड फ्रेमवर्क में विस्तारित कर सकते है जहाँ डिस्क्रीट वेरिएबल अधिग्रहण संरचना को कैप्चर करे जबकि समर्पित निरंतर आयाम जैविक परिवर्तनशीलता को एनकोड करने के लिए प्रोत्साहित हों, जिससे सार्थक जैविक संकेतों को संरक्षित करते हुए बड़े पैमाने पर, क्रॉस-स्टडी न्यूरोइमेजिंग विश्लेषणों का समर्थन मिल सके।

समस्या: "शोर भरी" लाइब्रेरी

समाधान: एक हाइब्रिड सॉर्टिंग मशीन

नवाचार: "ट्रेनिंग कोच" (आर्किटेक्चरल एनीलिंग)

परिणाम: लाइब्रेरी को छाँटना

निचोड़

इसी तरह के और पेपर