Biological Sex Determination in Cadavers Using Deep Learning Algorithms from Computed Tomography Images of Pelvis and Skull
यह अध्ययन प्रदर्शित करता है कि पेल्विस और खोपड़ी के 3D CT पुनर्निर्माणों के 2D प्रोजेक्शन पर लागू डीप लर्निंग एल्गोरिदम, विघटित शवों से जैविक लिंग को स्वचालित रूप से निर्धारित करने में उच्च सटीकता (95.65%) प्राप्त कर सकते हैं, जो पारंपरिक फोरेंसिक मानवविज्ञान विधियों के लिए एक तीव्र और वस्तुनिष्ठ विकल्प प्रदान 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 आप एक ऐसे व्यक्ति की पहचान करने की कोशिश कर रहे हैं जो गुजर चुका है, लेकिन उनका शरीर ऐसी स्थिति में है कि उन्हें नग्न आंखों से देखना कठिन या असंभव है। शायद वे सड़ चुके हैं, या शायद किसी दुर्घटना में उनकी हड्डियां क्षतिग्रस्त हो गई हैं। पारंपरिक रूप से, एक फोरेंसिक विशेषज्ञ (एक "हड्डियों का जासूस") को खोपड़ी और श्रोणि (कूल्हे की हड्डियों) को विशेष आकृतियों के लिए देखना पड़ता होगा जो आमतौर पर पुरुषों और महिलाओं के बीच भिन्न होती हैं। यह एक धुंधली, टूटी हुई फोटो को देखकर किसी के लिंग का अनुमान लगाने जैसा है; इसमें समय लगता है, यह विशेषज्ञ के मूड या दृष्टि पर निर्भर करता है, और गलत भी हो सकता है यदि फोटो बहुत अधिक क्षतिग्रस्त हो।
यह शोध पत्र इन "हड्डियों के जासूसों" के लिए एक नया "डिजिटल सहायक" पेश करता है। हड्डियों को सीधे देखने के बजाय, शोधकर्ताओं ने कंप्यूटर को खोपड़ी और श्रोणि के CT स्कैन चित्रों (जो कि 3D एक्स-रे की तरह हैं) को देखना सिखाया है।
उन्होंने इसे कैसे किया, इसका सरल विवरण यहाँ दिया गया है:
1. "हड्डियों का स्कूल"
शोधकर्ताओं ने ब्राजील के एक फोरेंसिक संस्थान में मिले 141 वास्तविक शरीरों के CT स्कैन का एक पुस्तकालय एकत्र किया। ये आदर्श, संग्रहालय-गुणवत्ता वाले कंकाल नहीं थे। ये वास्तविक दुनिया के मामले थे, जिनमें से कुछ की हड्डियां टूटी हुई थीं, कुछ जले हुए थे, और कुछ कुछ समय से सड़ रहे थे। यह महत्वपूर्ण है क्योंकि यह एक छात्र को केवल आदर्श पाठ्यपुस्तक के रेखाचित्रों पर नहीं, बल्कि अव्यवस्थित, वास्तविक जीवन के होमवर्क पर प्रशिक्षित करने जैसा है।
2. "जादुई कैमरा" ट्रिक
कंप्यूटर 2D (फ्लैट) चित्रों को देखने में बहुत अच्छे होते हैं, लेकिन CT स्कैन 3D वस्तुएं हैं। इसे काम करने योग्य बनाने के लिए, शोधकर्ताओं ने 3D स्कैन लिए और उन्हें चारों ओर घुमाया, जिससे 11 अलग-अलग "स्नैपशॉट" (जैसे कि एक मूर्ति की सामने, बगल और बीच के हर कोण से फोटो लेना) लिए गए। फिर उन्होंने इन फ्लैट स्नैपशॉट्स को एक डीप लर्निंग (Deep Learning) सिस्टम में डाला।
डीप लर्निंग को एक बहुत ही भूखे छात्र के रूप में समझें जो हजारों उदाहरणों को देखकर सीखता है। शोधकर्ताओं ने विभिन्न "पाठ्यपुस्तकों" (YOLO, ResNet और VGG जैसे एल्गोरिदम) का उपयोग करके इस छात्र को सिखाने की कोशिश की। वे देखना चाहते थे कि कौन सी पाठ्यपुस्तक छात्र को सबसे तेजी से और सबसे सटीक रूप से सीखने में मदद करती है।
3. खेल खेलने के दो तरीके
कंप्यूटर को दो अलग-अलग खेल खेलने के लिए कहा गया था:
- गेम A (बाइनरी): बस "लड़का" या "लड़की" का अनुमान लगाएं।
- गेम B (क्वाटरनरी): "लड़का-खोपड़ी," "लड़की-खोपड़ी," "लड़का-श्रोणि," या "लड़की-श्रोणि" का अनुमान लगाएं।
यह पता चला कि गेम B विजेता था। यह ऐसा ही है जैसे आप किसी फल को पहचानने की कोशिश कर रहे हों। केवल यह कहना कठिन है कि "क्या यह एक फल है?" क्योंकि अंधेरे में एक सेब और एक पत्थर समान दिख सकते हैं। लेकिन यदि आप कहते हैं, "क्या यह लाल सेब है, हरा सेब है, पत्थर है, या पत्ती है?", तो कंप्यूटर सूक्ष्म विवरणों को पकड़ने में बहुत बेहतर हो जाता है जो उन्हें अलग करते हैं। श्रोणि को खोपड़ी से अलग करके, कंप्यूटर बिना भ्रमित हुए प्रत्येक क्षेत्र के विशिष्ट "सुरागों" पर ध्यान केंद्रित कर सका।
4. "चीटिंग" की समस्या (डेटा की कमी)
एक समस्या थी: उनके पुस्तकालय में महिला शरीरों (38) की तुलना में पुरुष शरीर (104) बहुत अधिक थे। यदि आप एक छात्र को लड़कों के 100 चित्रों और लड़कियों के केवल 40 चित्रों के साथ प्रशिक्षित करते हैं, तो छात्र उच्च स्कोर प्राप्त करने के लिए हर बार "लड़का" ही अनुमान लगाएगा।
इसे ठीक करने के लिए, शोधकर्ताओं ने डेटा ऑग्मेंटेशन (Data Augmention) का उपयोग किया। कल्पना कीजिए कि आप एक कंकाल की फोटो ले रहे हैं और उसे थोड़ा घुमा रहे हैं, चमक बदल रहे हैं, या थोड़ा "शोर" (जैसे पुराने टीवी पर स्टेटिक) जोड़ रहे हैं। उन्होंने वास्तविक फोटो से नए नकली फोटो बनाने के लिए ऐसा किया, जिससे कंप्यूटर को अधिक अभ्यास सामग्री मिल सके ताकि वह पुरुष उदाहरणों के प्रति पक्षपाती न हो जाए।
5. परिणाम: "सुपर-स्टूडेंट"
प्रशिक्षण के बाद, सबसे अच्छे कंप्यूटर मॉडल (एक विशिष्ट संस्करण जिसे YOLO26-Nano कहा जाता है) का परीक्षण उन शरीरों पर किया गया जिन्हें उसने पहले कभी नहीं देखा था।
- स्कोर: जब पूरे व्यक्ति (पेशेंट-लेवल) को देखा गया, तो इसने 95.65% बार सही उत्तर दिया।
- श्रोणि (Pelvis): यह श्रोणि (कूल्हे की हड्डियों) की पहचान करने में लगभग सटीक था।
- खोपड़ी (Skull): यह खोपड़ी के मामले में भी बहुत अच्छा था, हालांकि यह थोड़ा कठिन था क्योंकि महिला की खोपड़ी पुरुषों की खोपड़ी के समान दिख सकती है।
- "ब्लैक बॉक्स" जांच: आमतौर पर, AI एक "ब्लैक बॉक्स" होता है—आप एक छवि डालते हैं, और एक अनुमान आता है, लेकिन आपको पता नहीं होता कि क्यों। शोधकर्ताओं ने हीटमैप्स (Heatmaps) (थर्मल कैमरे की तरह) नामक एक उपकरण का उपयोग किया ताकि यह देखा जा सके कि कंप्यूटर कहाँ देख रहा है। उन्होंने पाया कि कंप्यूटर ठीक उन्हीं जगहों को देख रहा था जहाँ मानव विशेषज्ञ देखते हैं, जैसे कि ठुड्डी का आकार, भौंह की हड्डी (brow ridge), और कूल्हे की हड्डी का कोण। इससे साबित हुआ कि कंप्यूटर केवल अनुमान नहीं लगा रहा था; वह वास्तव में "शरीर रचना विज्ञान" (anatomy) को सीख रहा था।
6. कमी (The Catch)
यह शोध पत्र अपनी सीमाओं के बारे में बहुत ईमानदार है। कंप्यूटर को एक विशिष्ट अस्पताल और एक विशिष्ट प्रकार के CT स्कैनर के डेटा पर प्रशिक्षित किया गया था। यह ऐसा है जैसे एक छात्र ने केवल एक ही कक्षा में एक ही शिक्षक के साथ पढ़ाई की हो। हालांकि उन्होंने उस कक्षा में अद्भुत काम किया, लेकिन हमें अभी तक यह नहीं पता कि क्या वे अलग रोशनी या अलग पाठ्यपुस्तकों के साथ अलग स्कूल में भी उतना ही अच्छा प्रदर्शन करेंगे। शोधकर्ता कहते हैं कि इससे पहले कि हम इसे हर जगह भरोसेमंद उपकरण के रूप में उपयोग कर सकें, हमें इसे और अधिक अस्पतालों और विभिन्न मशीनों पर परीक्षण करने की आवश्यकता है।
सारांश
संक्षेप में, यह शोध पत्र दिखाता है कि हम कंप्यूटर को टूटे हुए या सड़ चुके कंकालों के CT स्कैन को देखना और यह बताना सिखा सकते हैं कि वे पुरुष थे या महिला, और यह बहुत उच्च सटीकता के साथ काम करता है। यह मानव से तेज़ काम करता है, थकता नहीं है, और उन्हीं सुरागों को देखता है जिन्हें इंसान देखते हैं। हालाँकि, हर मॉर्ग (morgue) में एक मानक उपकरण के रूप में उपयोग किए जाने से पहले इसे विभिन्न प्रकार की मशीनों और अस्पतालों के साथ अधिक अभ्यास की आवश्यकता 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।