Towards the automated segmentation of epicardial and mediastinal fats: A multi-manufacturer approach using intersubject registration and random forest
यह शोध पत्र कोरोनरी कैल्शियम स्कोरिंग सीटी छवियों पर एपिकार्डियल और मेडिआस्टिनल वसा को खंडित करने के लिए इंटरसब्जेक्ट पंजीकरण और रैंडम फॉरेस्ट वर्गीकरण का उपयोग करते हुए एक पूर्णतः स्वचालित, बहु-निर्माता विधि प्रस्तावित करता है, जो 98.4% की उच्च सटीकता और 96.8% का डाइस समानता सूचकांक प्राप्त करता है।
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 आपका हृदय केवल एक पंप नहीं है, बल्कि एक घर है जो दो अलग-अलग प्रकार के "परिदृश्यों" (landscapes) से घिरा हुआ है। घर की बाड़ (पेरिकार्डियम) के अंदर एक प्रकार का वसा (fat) है, जिसे एपिकार्डियल फैट कहा जाता है। उस बाड़ के बाहर, लेकिन अभी भी पड़ोस (मीडियास्टिनम) के भीतर, एक अन्य प्रकार का वसा है, जिसे मीडियास्टिनल फैट कहा जाता है।
डॉक्टर जानते हैं कि इन विशिष्ट वसाओं की मात्रा हृदय स्वास्थ्य के बारे में एक बड़ा सुराग है, जो अक्सर शरीर के बाकी हिस्सों में मौजूद वसा की मात्रा से अधिक महत्वपूर्ण होती है। हालाँकि, इन्हें मापना समुद्र तट पर रेत के कणों को गिनने जैसा है जब हवा चल रही हो; यह बहुत अव्यवस्थित है, और यदि दो अलग-अलग लोग गिनती करते हैं, तो अक्सर उन्हें अलग-अलग परिणाम मिलते हैं।
यह शोध पत्र एक नया, पूरी तरह से स्वचालित कंप्यूटर प्रोग्राम प्रस्तुत करता है जिसे CT स्कैन (3D एक्स-रे चित्रों) का उपयोग करके इन हृदय वसाओं के लिए एक अत्यंत सटीक "रेत गिनने वाला" (sand counter) बनाने के लिए डिज़ाइन किया गया है।
यहाँ बताया गया है कि उनका "रोबोट सहायक" कैसे काम करता है, जिसे सरल चरणों में विभाजित किया गया है:
1. "ग्रुप फोटो" वाली ट्रिक (रजिस्ट्रेशन)
कल्पना कीजिए कि आपके पास विभिन्न लोगों के दिलों की तस्वीरों का एक ढेर है। समस्या यह है कि कुछ तस्वीरों में हृदय बाईं ओर झुका हुआ है; अन्य में यह दाईं ओर खिसका हुआ है या ज़ूम इन किया गया है। यदि आप सीधे तुलना करने की कोशिश करते हैं, तो यह बहुत अस्त-व्यस्त होगा।
लेखकों का पहला कदम सभी को एक कतार में खड़ा करना है। उन्होंने एक "मानक टेम्पलेट" (एटलस) बनाया है जिसमें एक विशिष्ट लैंडमार्क—सीने के पीछे का क्षेत्र (रेट्रोस्टर्नल एरिया)—को 10 अलग-अलग लोगों से लेकर एक औसत चित्र में मिला दिया गया है।
फिर, कंप्यूटर एक नए रोगी के स्कैन को देखता है और उस समान लैंडमार्क को खोजने की कोशिश करता है। यह सुनिश्चित करने के लिए कि वह अजीब कोण के कारण भ्रमित न हो, यह एक चतुर "ह्यूरिस्टिक" (heuristic) जांच का उपयोग करता है: यह उस लैंडमार्क के केंद्र से बाहर की ओर दो काल्पनिक रेखाएं खींचता है। यदि वे रेखाएं एक विशिष्ट, तार्किक पैटर्न में वसा से टकराती हैं, तो कंप्यूटर जानता है, "ठीक है, मैंने सही जगह ढूंढ ली है!" इसके बाद यह पूरे चित्र को स्थानांतरित और स्केल करता है ताकि हृदय ठीक उसी स्थिति में बैठ जाए जिसमें बाकी सभी का है। यह एक समूह के लोगों को, जो एक अस्त-व्यस्त घेरे में खड़े हैं, धीरे से धकेल कर एक सीधी रेखा में कैमरे के सामने खड़ा करने जैसा है।
2. "पिक्सेल जासूस" (वर्गीकरण)
एक बार जब हृदय एक कतार में आ जाते हैं, तो कंप्यूटर को यह तय करने की आवश्यकता होती है: "क्या यह विशिष्ट पिक्सेल वसा बाड़ के अंदर (एपिकार्डियल) है या बाड़ के बाहर (मीडियास्टिनल)?"
केवल यह देखने के बजाय कि एक पिक्सेल कितना चमकीला या गहरा है (जो कि थोड़ा कठिन हो सकता है), कंप्यूटर एक जासूस की तरह सुराग इकट्ठा करता है। प्रत्येक पिक्सेल के लिए, यह देखता है:
- इसकी चमक।
- इसका सटीक स्थान।
- इसके पड़ोसियों की "बनावट" (क्या वसा चिकनी है या ऊबड़-खाबड़?)।
यह इन सभी सुरागों को एक रैंडम फॉरेस्ट (Random Forest) एल्गोरिदम में डाल देता है। रैंडम फॉरेस्ट को 100 अलग-अलग विशेषज्ञों की एक परिषद के रूप में समझें। प्रत्येक विशेषज्ञ सुरागों को देखता है और वोट देता है: "यह एपिकार्डियल फैट है!" या "यह मीडियास्टिनल फैट है!" कंप्यूटर एक वोट लेता है, और बहुमत जीत जाता है। यह विधि गलतियों से बचने में बहुत अच्छी है क्योंकि यह केवल एक नियम पर निर्भर नहीं करती है।
3. परिणाम: यह कितना अच्छा था?
लेखकों ने इस प्रणाली का परीक्षण 82 विभिन्न रोगियों पर किया (दो अलग-अलग मशीन निर्माताओं, सीमेंस और फिलिप्स के स्कैन का उपयोग करके, यह सुनिश्चित करने के लिए कि यह सामान्य रूप से काम करता है)।
- सफलता दर: कंप्यूटर ने अपने विश्लेषण को शुरू करने के लिए सही स्थान को 100% बार सफलतापूर्वक पाया।
- सटीकता: जब वसा को रंगने (रंग भरने) की बात आई, तो यह लगभग 98.4% बार सही था।
- सहमति: यदि आप कंप्यूटर के चित्र की तुलना मानव विशेषज्ञों द्वारा बनाए गए चित्र से करते हैं, तो वे 96.8% बार मेल खाते हैं (एक स्कोर जिसे डाइस इंडेक्स कहा जाता है)।
कमी
यह शोध पत्र एक कमी के बारे में बहुत ईमानदार है: गति (Speed)। जबकि कंप्यूटर अविश्वसनीय रूप से सटीक है, यह वर्तमान में धीमा है। एक मानक घरेलू कंप्यूटर पर, एक रोगी के पूर्ण स्कैन को प्रोसेस करने में कई घंटे लगते हैं। लेखक सुझाव देते हैं कि यदि वे यह पता लगा सकें कि कौन से सुराग सबसे महत्वपूर्ण हैं और बाकी को अनदेखा कर सकें, तो वे इस रोबोट को बहुत तेज़ बना सकते हैं।
संक्षेप में: यह शोध पत्र एक कंप्यूटर पद्धति पेश करता है जो स्वचालित रूप से हृदय के स्कैन को एक कतार में लगाती है और दो प्रकार के हृदय वसा को पूरी तरह से अलग करने के लिए एल्गोरिदम के "मतदान परिषद" का उपयोग करती है। यह अत्यधिक सटीक है और इसे शुरू करने के लिए किसी मानवीय सहायता की आवश्यकता नहीं है, लेकिन अपना काम पूरा करने में इसे वर्तमान में काफी समय लगता है।
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।