🤖 machine learning

Taxlifier: Leveraging Disease Taxonomy for Enhanced Multi-Label Classification in Chest Radiography

यह शोध पत्र दो नवीन पदानुक्रमित बहु-लेबल वर्गीकरण तकनीकों, लॉस-आधारित (loss-based) और लॉजिट-आधारित (logit-based), का प्रस्ताव करता है, जो तीन बड़े पैमाने के डेटासेट में चेस्ट एक्स-रे में थोरैसिक रोग का पता लगाने की सटीकता, AUC और F1 स्कोर में महत्वपूर्ण सुधार करने के लिए रोग वर्गीकरण (disease taxonomy) का लाभ उठाते हैं।

मूल लेखक: Mohammad S. Majdi, Jeffrey J. Rodriguez

प्रकाशित 2026-07-08

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohammad S. Majdi, Jeffrey J. Rodriguez

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 कंप्यूटर को छाती के एक्स-रे (chest X-rays) पढ़ना और बीमारियाँ पहचानना सिखाने की कोशिश कर रहे हैं। कंप्यूटर एक बहुत ही बुद्धिमान छात्र की तरह है, लेकिन उसके सामने एक पेचीदा समस्या है: वास्तविक दुनिया में, बीमारियाँ अक्सर परिवारों के रूप में आती हैं। उदाहरण के लिए, यदि किसी रोगी को एक विशिष्ट प्रकार का फेफड़ों का संक्रमण (एक "बच्चा" बीमारी) है, तो लगभग निश्चित रूप से उसे सामान्य फेफड़ों की सूजन ("माता-पिता" वाली बीमारी) भी होगी।

हालाँकि, आज के अधिकांश कंप्यूटर सिस्टम हर बीमारी को एक अजनबी की तरह मानते हैं जो एक-दूसरे से असंबंधित है। वे पूछते हैं, "क्या निमोनिया है?" और "क्या तरल पदार्थ का जमाव है?" जैसे दो पूरी तरह से अलग सवाल। यह एक छात्र को 20 असंबंधित शब्दों की सूची याद करने के लिए कहने जैसा है बिना यह समझे कि "सेब," "नाशपाती," और "केला" सभी "फल" की श्रेणी में आते हैं। छात्र "सेब" की उपस्थिति का अनुमान लगा सकता है लेकिन वह यह भूल सकता है कि "फल" भी मौजूद होना चाहिए, जिससे भ्रमित और गलत उत्तर मिल सकते हैं।

पेपर का समाधान: Taxlifier

शोधकर्ताओं ने, मोहम्मद एस. मजदी और जेफरी जे. रोड्रिगेज ने, Taxlifier नामक एक नया सिस्टम बनाया है। Taxlifier को बीमारियों के "वंश वृक्ष" (family tree) के रूप में समझें। हर बीमारी को एक अलग तथ्य के रूप में मानने के बजाय, उन्होंने उन्हें एक पदानुक्रम (वंश वृक्ष) में व्यवस्थित किया जहाँ विशिष्ट बीमारियों को व्यापक श्रेणियों से जोड़ा गया है।

उन्होंने कंप्यूटर को इस वंश वृक्ष का उपयोग करना सिखाने के दो नए तरीके परीक्षण किए:

1. "लॉगिट-आधारित" (Logit-Based) विधि: एक स्मार्ट पोस्ट-प्रोसेसर

कल्पना कीजिए कि कंप्यूटर ने पहले ही परीक्षा दे दी है और हर बीमारी के लिए अपने उत्तर (संभावनाएं/probabilities) लिख दिए हैं।

यह कैसे काम करता है: अंतिम ग्रेड दिए जाने से पहले, एक "स्मार्ट संपादक" (लॉगिट-आधारित विधि) उत्तरों को देखता है। यदि कंप्यूटर कहता है, "मुझे 90% यकीन है कि एक विशिष्ट फेफड़े का द्रव्यमान (lung mass) है," लेकिन केवल 10% यकीन है कि एक सामान्य "फेफड़े की ओपेसिटी" (जनक श्रेणी) है, तो संपादक हस्तक्षेप करता है।
उपमा: यह एक शिक्षक द्वारा छात्र के निबंध को सुधारने जैसा है। यदि छात्र एक शानदार पैराग्राफ "गोल्डन रिट्रीवर" के बारे में लिखता है लेकिन यह उल्लेख करने में विफल रहता है कि वे "कुत्ते" हैं, तो शिक्षक एक नोट जोड़ता है: "याद रखें, यदि आप गोल्डन रिट्रीवर देखते हैं, तो आपको यह भी स्वीकार करना होगा कि वह एक कुत्ता है।" कंप्यूटर फिर अपने अंतिम स्कोर को समायोजित करता है ताकि यह सुनिश्चित हो सके कि विशिष्ट उत्तर सामान्य उत्तर के अनुरूप हो।
लाभ: यह तेज़ है और इसके लिए पूरे कंप्यूटर को फिर से सिखाने की आवश्यकता नहीं है। यह मुख्य कार्य पूरा होने के बाद लागू किया गया एक त्वरित, कुशल सुधार है।

2. "लॉस-आधारित" (Loss-Based) विधि: प्रशिक्षण के दौरान एक सख्त कोच

यह तरीका बदल देता है कि कंप्यूटर शुरू से कैसे सीखता है।

यह कैसे काम करता है: केवल अंत तक गलतियों को सुधारने के लिए प्रतीक्षा करने के बजाय, यह तरीका प्रशिक्षण सत्र के दौरान एक सख्त कोच की तरह कार्य करता है। यदि कंप्यूटर एक विशिष्ट बीमारी के बारे में गलती करता है, तो कोच यह भी जाँचता है कि क्या कंप्यूटर ने "जनक" बीमारी को सही पहचाना है।
उपमा: कल्पना कीजिए कि एक कोच बास्केटबॉल खिलाड़ी से कहता है, "यदि तुम थ्री-पॉइंट शॉट (बच्चा) मिस करते हो, तो मैं तुमसे अतिरिक्त लैप्स दौड़वाऊंगा और ले-अप (जनक) पर तुम्हारे फॉर्म की भी जाँच करूँगा।" कंप्यूटर सीखता है कि विशिष्ट विवरण को गलत करना और भी बुरा है यदि वह बड़े चित्र (big picture) को बिगाड़ देता है। यह कंप्यूटर को यह समझने के लिए मजबूर करता है कि बीमारियों के बीच क्या संबंध है, जबकि वह अभी भी पढ़ाई कर रहा होता है।
लाभ: यह इस बात की गहरी समझ पैदा करता है कि बीमारियाँ एक-दूसरे से कैसे संबंधित हैं, जिससे बहुत सटीक परिणाम मिलते हैं, हालांकि इसके प्रशिक्षण के लिए अधिक कंप्यूटिंग पावर की आवश्यकता होती है।

परिणाम: सटीकता में बड़ी जीत

शोधकर्ताओं ने छाती के एक्स-रे के तीन विशाल संग्रहों (कुल 5,00,000 से अधिक छवियों के साथ) पर इन विधियों का परीक्षण किया। उन्होंने अपने नए "वंश वृक्ष" तरीकों की तुलना पुराने "अजनबी" तरीके से की।

परिणाम एक साइकिल से स्पोर्ट्स कार में अपग्रेड करने जैसे थे:

सटीकता (Accuracy): नए तरीकों ने निदान को बहुत अधिक बार सही बताया। कुछ मामलों में, सटीकता 12% से अधिक बढ़ गई।
विश्वसनीयता (Reliability): सिस्टम "बीमार" और "स्वस्थ" छवियों के बीच अंतर करने में बहुत बेहतर हो गया (जिसे AUC नामक स्कोर द्वारा मापा जाता है)।
निरंतरता (Consistency): कंप्यूटर ने वे मूर्खतापूर्ण गलतियाँ करना बंद कर दिया जहाँ वह कहता था कि एक विशिष्ट बीमारी मौजूद है लेकिन सामान्य श्रेणी अनुपस्थित है।

यह क्यों महत्वपूर्ण है (पेपर के अनुसार)

पेपर का दावा है कि इस "वंश वृक्ष" दृष्टिकोण का उपयोग करके, कंप्यूटर केवल अनुमान लगाने में ही बेहतर नहीं होता है; यह अधिक व्याख्या योग्य (interpretable) भी हो जाता है। इसका अर्थ है कि डॉक्टर कंप्यूटर के आउटपुट को देख सकते हैं और समझ सकते हैं कि इसने निर्णय क्यों लिया। यदि कंप्यूटर कहता है "निमोनिया", तो डॉक्टर देख सकते हैं कि इसने पहले "फेफड़े की ओपेसिटी" को भी सही ढंग से पहचाना, जिससे भविष्यवाणी अधिक तार्किक और विश्वसनीय महसूस होती है।

संक्षेप में, Taxlifier कंप्यूटर को बीमारियों को अलग-थलग तथ्यों के रूप में देखना बंद करने और उन्हें एक जुड़े हुए परिवार के हिस्से के रूप में देखना सिखाता है, जिसके परिणामस्वरूप बहुत अधिक स्मार्ट और अधिक विश्वसनीय चिकित्सा निदान प्राप्त होते हैं।

तकनीकी सारांश: Taxlifier

समस्या विवरण

चेस्ट एक्स-रे (CXR) छवियों में थोरैसिक रोगों का सटीक और कुशल वर्गीकरण समय पर निदान के लिए महत्वपूर्ण है। हालांकि, स्वचालित प्रणालियों को कई पैथोलॉजीज की उपस्थिति के कारण महत्वपूर्ण चुनौतियों का सामना करना पड़ता है, जिनमें ओवरलैपिंग दृश्य विशेषताएं और चिकित्सा वर्गीकरण (taxonomies) की जटिल, पदानुक्रमित प्रकृति शामिल है। पारंपरिक मल्टी-लेबल वर्गीकरण विधियां, जैसे कि वन-वर्सेस-ऑल (OVA), अक्सर लेबल को स्वतंत्र रूप से मानती हैं, जिससे वर्गों के बीच के संबंधों की अनदेखी होती है। यह "फ्लैट क्लासिफिकेशन" दृष्टिकोण चिकित्सा निदान में अंतर्निहित सशर्त संबंधों (जैसे, एक बाल रोग जैसे कि कंसोलिडेशन का अर्थ है कि पैरेंट पैथोलॉजी जैसे कि लंग ओपेसिटी की उपस्थिति है) को पकड़ने में विफल रहता है। इसके अलावा, रोग पदानुक्रमों के लीफ नोड्स (leaf nodes) में अक्सर सकारात्मक उदाहरणों की कमी होती है, जिससे मानक मॉडलों में नेगेटिव क्लास बायस (negative class bias) उत्पन्न होता है। हालांकि टेक्स्ट प्रोसेसिंग और जीनोमिक्स में पदानुक्रमित वर्गीकरण (hierarchical classification) का अन्वेषण किया गया है, लेकिन मेडिकल इमेजिंग में मल्टी-क्लास समस्याओं पर टैक्सोनोमिकल जानकारी लागू करने के शोध की कमी है।

कार्यप्रणाली

यह शोध पत्र Taxlifier प्रस्तावित करता है, जो एक ऐसा ढांचा है जिसमें दो नवीन पदानुक्रमित मल्टी-लेबल वर्गीकरण तकनीकें पेश की गई हैं, जिन्हें रोग टैक्सोनॉमी संबंधों का लाभ उठाने के लिए डिज़ाइन किया गया है। दोनों विधियाँ थोरैसिक पैथोलॉजी के बीच पैरेंट-चाइल्ड संबंधों को दर्शाने वाले एक पूर्व-निर्धारित ग्राफ स्ट्रक्चर $G = \{C, E\}$ का उपयोग करती हैं।

1. लॉजिट-आधारित दृष्टिकोण (पोस्ट-प्रोसेसिंग)

यह विधि उन परिदृश्यों के लिए डिज़ाइन की गई है जहाँ ग्राउंड ट्रुथ उपलब्ध नहीं है या रिट्रेनिंग करना कम्प्यूटेशनल रूप से कठिन है। यह मॉडल आर्किटेक्चर को बदले बिना, इन्फरेंस के दौरान एक प्री-ट्रेंड न्यूरल नेटवर्क (जैसे DenseNet121) की अनुमानित संभावनाओं (predicted probabilities) को समायोजित करती है।

तंत्र (Mechanism): यह दृष्टिकोण पैरेंट क्लास $c_j$ के लॉजिट आउटपुट के आधार पर एक चाइल्ड क्लास $c_k$ के लिए कंडीशनल प्रेडिक्टेड प्रोबेबिलिटी की गणना करता है।
सूत्र (Formula): अपडेट की गई प्रोबेबिलिटी $\hat{p}^{(i)}_k$ को मूल लॉजिट $q^{(i)}_k$ को पैरेंट के लॉजिट $q^{(i)}_j$ के भारित योगदान (weighted contribution) के साथ संशोधित करके प्राप्त किया जाता है:
$\hat{p}^{(i)}_k = \frac{1}{1 + \exp(-(q^{(i)}_k + \alpha_k q^{(i)}_j))}$
जहाँ $\alpha_k$ एक हाइपरपैरामीटर है जो पैरेंट क्लास के प्रभाव को नियंत्रित करता है।
अनुकूलन (Optimization): हाइपरपैरामीटर्स $\{\alpha_k\}$ को वैलिडेशन सेट पर ऑब्जेक्टिव फंक्शन $1 - \text{AUC}$ को कम करने के लिए ट्री-स्ट्रक्चर्ड पारज़न एस्टिमेटर (TPE) का उपयोग करके ट्यून किया जाता है।

2. लॉस-आधारित दृष्टिकोण (ट्रेनिंग-टाइम)

यह विधि एक नवीन रेगुलाइजेशन टर्म के माध्यम से प्रशिक्षण प्रक्रिया के दौरान सीधे मॉडल के ऑप्टिमाइजेशन में पदानुक्रमित जानकारी को एकीकृत करती है।

तंत्र (Mechanism): आउटपुट को पोस्ट-हॉक एडजस्ट करने के बजाय, यह दृष्टिकोण प्रशिक्षण के दौरान लेबल टैक्सोनॉमी के साथ मिसअलाइनमेंट (misalignment) को दंडित करता है। यह पैरेंट क्लासेस के लॉस वैल्यूज के आधार पर चाइल्ड क्लास के लॉस वैल्यू को अपडेट करता है।
सूत्र (Formula): अपडेट किया गया लॉस $\hat{l}^{(i)}_k$ इस प्रकार गणना किया जाता है:
$\hat{l}^{(i)}_k = l^{(i)}_k \cdot H(k|j)$
जहाँ $H(k|j) = \alpha_k l^{(i)}_j + \beta_k$ है। यहाँ, $l^{(i)}_j$ पैरेंट क्लास का लॉस है, और $\alpha_k, \beta_k$ हाइपरपैरामीटर्स हैं जो पैरेंट के लॉस के प्रभाव को संतुलित करते हैं।
प्रोबेबिलिटी अपडेट: पूर्ण ऑप्टिमाइजेशन को दोबारा चलाने से बचने के लिए, यह पेपर बाइनरी क्रॉस-एन्ट्रॉपी और सिग्मॉइड फंक्शन के ग्रेडिएंट का उपयोग करके संशोधित लॉस वैल्यूज से अनुमानित संभावनाओं को सीधे अपडेट करने की एक विधि व्युत्पन्न करता है:
$\hat{p}^{(i)}_k = \begin{cases} \exp(-\hat{l}^{(i)}_k) & \text{यदि } p^{(i)}_k > \theta_k \text{ और } p^{(i)}_j > \theta_j \\ 1 - \exp(-\hat{l}^{(i)}_k) & \text{अन्यथा} \end{cases}$
अनुकूलन (Optimization): हाइपरपैरामीटर्स $\{\alpha_k, \beta_k\}$ को AUC को अधिकतम करने के लिए TPE का उपयोग करके अनुकूलित किया जाता है।

प्रयोगात्मक सेटअप

इन तकनीकों का मूल्यांकन तीन बड़े पैमाने के सार्वजनिक डेटासेट्स पर किया गया: CheXpert (224,316 चित्र), PADCHEST (160,000 चित्र), और NIH (112,120 चित्र)। इन डेटासेट्स के मौजूदा टैक्सोनॉमी को मर्ज करके एक एकीकृत टैक्सोनॉमी बनाई गई, जिसमें 18 सामान्य पैथोलॉजीज पर ध्यान केंद्रित किया गया। बेसलाइन मॉडल एक DenseNet121 था जिसे इन डेटासेट्स पर फाइन-ट्यून किया गया था। प्रदर्शन को एक्यूरेसी (Accuracy), AUC, F1-स्कोर और व्यापक सांख्यिकीय मेट्रिक्स (कोहेन्स कप्पा, t-स्टेटिस्टिक, बेयस फैक्टर) का उपयोग करके मापा गया।

मुख्य योगदान

लॉस-आधारित तकनीक: एक नवीन पदानुक्रमित रेगुलाइजेशन टर्म पेश करती है जो सीधे ट्रेनिंग लॉस फंक्शन में लेबल पदानुक्रम को शामिल करती है, जिससे टैक्सोनॉमी के साथ मिसअलाइनमेंट को दंडित किया जाता है।
लॉट-आधारित तकनीक: क्लास रिलेशनशिप के आधार पर न्यूरल नेटवर्क लॉजिट्स को एडजस्ट करने के लिए एक कम्प्यूटेशनल रूप से कुशल पोस्ट-प्रोसेसिंग विधि का प्रस्ताव करती है, जिससे व्यापक रिट्रेनिंग के बिना टैक्सोनॉमिकल ज्ञान का उपयोग संभव होता है।
व्यापक मूल्यांकन: तीन विविध, बड़े पैमाने के CXR डेटासेट्स पर निरंतर प्रदर्शन सुधार प्रदर्शित करती है।
व्याख्यात्मकता (Interpretability): पदानुक्रमित संरचना एक अधिक व्याख्या योग्य आउटपुट प्रदान करती है, जिससे क्लिनिशियन विभिन्न स्तरों की सूक्ष्मता (पैरेंट बनाम चाइल्ड क्लासेस) पर भविष्यवाणियों को समझ सकते हैं।

परिणाम

प्रयोगात्मक परिणाम बेसलाइन विधि की तुलना में विभिन्न पैथोलॉजीज के लिए, विशेष रूप से पदानुक्रम के चाइल्ड नोड्स के लिए, महत्वपूर्ण सुधार दर्शाते हैं:

एक्यूरेसी (Accuracy): लॉजिट-आधारित और लॉस-आधारित विधियों ने बेसलाइन की तुलना में क्रमशः 12% और 11% का सुधार किया।
AUC: 13% (लॉट-आधारित) और 10% (लॉस-आधारित) का सुधार देखा गया।
F1-स्कोर: विधियों ने पर्याप्त लाभ दिया, जिसमें 24% (लॉट-आधारित) और 12% (लॉस-आधारित) का सुधार हुआ।
सांख्यिकीय महत्व (Statistical Significance): सांख्यिकीय विश्लेषण (t-tests, Bayes Factors) ने पुष्टि की कि सुधार, विशेष रूप से लॉट-आधारित विधि के लिए, अधिकांश पैथोलॉजीज (जैसे, Atelectasis, Edema, Cardiomegaly) में सांख्यिकीय रूप से महत्वपूर्ण थे। लॉस-आधारित विधि में उच्च विचरण (variance) देखा गया लेकिन इसने विशिष्ट मामलों (जैसे, Lung Lesion F1 स्कोर 0.094 से बढ़कर 0.982 हो गया) में बेहतर प्रदर्शन किया।
पैरेंट क्लासेस: जैसा कि अपेक्षित था, पैरेंट क्लासेस (जैसे, Lung Opacity, Enlarged Cardiomediastinum) के लिए प्रदर्शन बेसलाइन के अनुरूप बना रहा, क्योंकि ये तकनीकें विशेष रूप से पैरेंट संबंधों के आधार पर चाइल्ड क्लास भविष्यवाणियों को रिफाइन करने के लिए लक्षित हैं।

महत्व और दावे

शोध का दावा है कि डोमेन-विशिष्ट पदानुक्रमित ज्ञान को एकीकृत करने से चेस्ट रेडियोग्राफी के लिए कंप्यूटर-एडेड डायग्नोसिस (CAD) सिस्टम की सटीकता और व्याख्यात्मकता दोनों में उल्लेखनीय वृद्धि होती है। "फ्लैट" वर्गीकरण से हटकर, प्रस्तावित विधियां पदानुक्रमित मेडिकल डेटा में सामान्य रूप से होने वाले नेगेटिव क्लास बायस को संबोधित करती हैं और जटिल, मल्टी-लेबल थोरैसिक रोगों का पता लगाने के लिए एक अधिक मजबूत ढांचा प्रदान करती हैं।

लेखक इस बात पर जोर देते हैं कि लॉट-आधारित दृष्टिकोण अपनी कम्प्यूटेशनल दक्षता और मॉडल रिट्रेनिंग की आवश्यकता न होने के कारण वास्तविक दुनिया में तैनाती के लिए एक व्यावहारिक लाभ प्रदान करता है, जिससे यह सीमित संसाधनों वाले परिदृश्यों के लिए अनुकूलनीय हो जाता है। लॉस-आधारित दृष्टिकोण लर्निंग फेज के दौरान पदानुक्रम का गहरा एकीकरण प्रदान करता है।

अध्ययन निष्कर्ष निकालता है कि ये तकनीकें मेडिकल इमेजिंग में मल्टी-लेबल वर्गीकरण में एक मूल्यवान योगदान हैं, जो संभावित रूप से नैदानिक त्रुटियों को कम कर सकती हैं और क्लिनिकल वर्कफ़्लो को सुव्यवस्थित कर सकती हैं। हालांकि, लेखक सीमाओं को स्वीकार करते हुए कहते हैं कि इसकी प्रभावशीलता टैक्सोनॉमी और डेटासेट लेबलिंग की गुणवत्ता पर निर्भर करती है, और इन विधियों को नए डोमेन में लागू करने के लिए डोमेन विशेषज्ञों द्वारा विशिष्ट टैक्सोनॉमिकल संरचनाओं के विकास की आवश्यकता है।