🔢 mathematics

Design Choices in Splitting-Based Self-Supervised Sparse-View CT Reconstruction

यह शोधपत्र स्प्लिटिंग-आधारित सेल्फ-सुपरवाइज्ड स्पार्स-व्यू सीटी पुनर्निर्माण में डिज़ाइन विकल्पों का विश्लेषण करने के लिए एक एकीकृत ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि इष्टतम विभाजन रणनीतियाँ शोर की संरचना पर निर्भर करती हैं और पूरक मेट्रिक्स के साथ मल्टी-पार्टिशन स्प्लिटिंग सिमुलेटेड और वास्तविक दुनिया के डेटासेट में बेहतर प्रदर्शन प्रदान करती है।

मूल लेखक: Nadja Gruber, Lukas Neumann, Ander Biguri, Gyeongha Hwang, Markus Haltmeier, Johannes Schwab

प्रकाशित 2026-07-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Nadja Gruber, Lukas Neumann, Ander Biguri, Gyeongha Hwang, Markus Haltmeier, Johannes Schwab

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 विशाल, 3D जिग्सॉ पज़ल (jigsaw puzzle) सुलझाने की कोशिश कर रहे हैं, लेकिन किसी ने आधे टुकड़े चुरा लिए हैं। मेडिकल सीटी स्कैन की दुनिया में, यह एक वास्तविक समस्या है: डॉक्टरों को आपके शरीर के अंदर की स्पष्ट तस्वीरें चाहिए, लेकिन बहुत अधिक एक्स-रे लेना खतरनाक हो सकता है या इसमें बहुत समय लग सकता है। इसलिए, वे केवल कुछ "स्नैपशॉट्स" (माप) लेते हैं और बाकी का अनुमान लगाने की कोशिश करते हैं।

आमतौर पर, कंप्यूटर को खाली जगहों को भरने के लिए सीखने के लिए एक "परफेक्ट" तस्वीर की आवश्यकता होती है। लेकिन वास्तविक दुनिया में, हमारे पास उन परफेक्ट तस्वीरों से तुलना करने के लिए कुछ नहीं होता। यहीं पर यह पेपर एक चालाक ट्रिक के साथ आता है जिसे सेल्फ-सुपरवाइज्ड लर्निंग (Self-Supervised Learning) कहा जाता है।

बड़ा विचार: "ब्लाइंड स्पॉट" गेम

कंप्यूटर को एक ऐसे छात्र के रूप में सोचें जो एक आदर्श लैंडस्केप बनाने के बारे में सीख रहा है। उसे पूरी पेंटिंग दिखाने के बजाय, शिक्षक छात्र के चित्र के यादृच्छिक (random) हिस्सों को ढक देता है और कहता है, "तुम इन जगहों को नहीं देख सकते, लेकिन तुम्हें चित्र के बाकी हिस्सों के आधार पर अनुमान लगाना होगा कि उनके नीचे क्या है।"

कंप्यूटर खाली जगहों को भरने की कोशिश करता है। फिर, वह अपने काम की जांच उन मूल हिस्सों के विरुद्ध करता है जिन्हें वह अनुमान लगाने के दौरान नहीं देख सका था। यदि वह सही होता है, तो वह सीखता है। यदि वह गलत होता है, तो वह फिर से प्रयास करता है। यह "स्प्लिटिंग" (विभाजन) विधि है: डेटा को "जो मैं देखता हूँ" और "जो मैं अनुमान लगाता हूँ" में विभाजित करना।

प्लॉट ट्विस्ट: शोर (Noise) एक चालाक विलेन है

इस पेपर की मुख्य खोज यह है कि सभी शोर (noise) एक समान नहीं होते, और इस अनुमान लगाने वाले खेल को खेलने के लिए आप जो रणनीति अपनाते हैं, वह पूरी तरह से इस बात पर निर्भर करती है कि "शोर" (स्थिरता या धुंधलापन) कैसा व्यवहार करता है।

एक आदर्श, सिम्युलेटेड दुनिया में जहाँ शोर पूरी तरह से यादृच्छिक और स्वतंत्र है (जैसे एक पुराने टीवी पर स्टैटिक, जहाँ हर पिक्सेल अपने आप झिलमिलाता है), सबसे अच्छी रणनीति लैटिस स्प्लिटिंग (Lattice Splitting) है।

उपमा: एक चेकरबोर्ड की कल्पना करें। आप एक सख्त ग्रिड पैटर्न में हर दूसरी खाली जगह को ढक देते हैं। कंप्यूटर आसपास के वर्गों को देखकर खाली जगहों को भरने के बारे में सीखता है। इस "साफ" शोर वाली दुनिया में, यह ग्रिड पैटर्न बहुत अच्छा काम करता है।

लेकिन, वास्तविक दुनिया में, शोर अक्सर "कोरिलेटेड" (correlated) होता है। ऐसा इसलिए होता है क्योंकि मशीन के भौतिक डिटेक्टर (scintillators) आपस में मिलकर धुंधलापन पैदा करते हैं, जिससे पड़ोसी पिक्सेल व्यक्तिगत होने के बजाय एक टीम की तरह काम करते हैं।

उपमा: कल्पना करें कि शोर यादृच्छिक स्टैटिक नहीं है, बल्कि एक घना कोहरा है जो पूरी तस्वीर में एक साथ फैलता है। यदि आप सख्त चेकरबोर्ड (Lattice) रणनीति का उपयोग करने की कोशिश करते हैं, तो कोहरा पूरे ग्रिड को बिगाड़ देता है, और कंप्यूटर भ्रमित हो जाता है।
समाधान: इस "कोहरे वाली" वास्तविक दुनिया के परिदृश्य में, पेपर ने पाया कि एंगुलर स्प्लिटिंग (Angular Splitting) हीरो है। एक ग्रिड के बजाय, यह तस्वीर की पूरी पंक्तियों (एक्स-रे बीम के पूरे कोणों) को छिपा देता है। क्योंकि कोहरा डिटेक्टर के आर-पार चलता है, इसलिए पूरी पंक्तियों को छिपाने से शोर वाले पड़ोसियों के बीच का संबंध टूट जाता है, जिससे कंप्यूटर बेहतर तरीके से सीख पाता है।

इस पेपर की "यह न करें" सूची

लेखक कुछ स्थितियों में क्या काम नहीं करता है, इसे लेकर बहुत स्पष्ट हैं:

यदि आपके डेटा में वास्तविक दुनिया का, कोरिलेटेड शोर है, तो ग्रिड (Lattice) रणनीति का उपयोग न करें। पेपर दिखाता है कि इन स्थितियों में, ग्रिड विधि छवि को शोर से "दूषित" (contaminated) दिखाती है।
खाली हिस्सों को केवल काले छेद (Zero-filling) के रूप में न छोड़ें। जब कंप्यूटर एक खाली हिस्सा देखता है, तो उसे यह नहीं मान लेना चाहिए कि वह खाली जगह है। पेपर सुझाव देता है कि लीनियर इंटरपोलेशन (Linear Interpolation) बेहतर है।
- उपमा: यदि आपकी पहेली का एक टुकड़ा गायब है, तो उसे केवल एक काला छेद न छोड़ें। उसके बगल के टुकड़ों को देखें और अनुमान लगाएं कि बीच में कौन सा रंग फिट बैठता है। पेपर ने पाया कि कंप्यूटर के काम शुरू करने से पहले गायब मानों का "अनुमान" लगाना अंतिम तस्वीर को बहुत अधिक स्पष्ट बनाता है।

"सुपर-टीम" रणनीति

यह पेपर एक नई, शानदार चाल भी पेश करता है जिसे मल्टी-पार्टिशन स्प्लिटिंग (Multi-Partition Splitting) कहा जाता है।

उपमा: कल्पना करें कि आप अनुमान लगाने वाला खेल खेल रहे हैं, लेकिन केवल एक ग्रिड या केवल पंक्तियों को छिपाने के बजाय, आप दोनों को एक ही समय में छिपाते हैं। आप एक "सुपर-मास्क" बनाते हैं जो कंप्यूटर को एक साथ कई अलग-अलग कोणों से सीखने के लिए मजबूर करता है।
परिणाम: पेपर सुझाव देता है कि यह "सुपर-टीम" दृष्टिकोण लगातार परिणामों में सुधार करता है, जो एक शक्तिशाली सुरक्षा जाल की तरह कार्य करता है और कंप्यूटर को केवल एक रणनीति के उपयोग की तुलना में रैंडम शोर और कोहरे वाले शोर दोनों को बेहतर ढंग से संभालने में मदद करता है।

वे कितने आश्वस्त हैं?

लेखक अपने दावों को लेकर बहुत सावधान हैं। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने LoDoPaB-CT नामक एक डेटासेट का उपयोग करके हजारों कंप्यूटर सिमुलेशन चलाए और अपने विचारों का परीक्षण 2DeteCT नामक एक वास्तविक दुनिया के डेटासेट पर किया।

उन्होंने क्या साबित किया: उन्होंने दिखाया कि "सर्वश्रेष्ठ" रणनीति शोर के प्रकार पर निर्भर करती है। उन्होंने साबित किया कि वास्तविक, शोर वाले डेटा के लिए एंगुलर स्प्लिटिंग अधिक मजबूत (robust) है, जबकि साफ, सिम्युलेटेड डेटा के लिए लैटिस स्प्लिटिंग बेहतर है।
उन्होंने क्या मापा: उन्होंने केवल चित्रों को नहीं देखा; उन्होंने यह मापने के लिए विशेष गणितीय उपकरणों (जैसे PSNR, SSIM, LPIPS, और HaarPSI) का उपयोग किया कि कंप्यूटर का अनुमान सत्य के कितने करीब था। उन्होंने पाया कि कुछ रणनीतियाँ सरल गणितीय स्कोर पर अच्छी दिख सकती हैं लेकिन वे छवि के "अहसास" (feel) को पकड़ने में विफल रहती हैं, यही कारण है कि उन्होंने इन अतिरिक्त धारणात्मक (perceptual) उपकरणों का उपयोग किया।

एक जिज्ञासु किशोर के लिए टेकअवे

यदि आप टूटे हुए सीटी स्कैन को ठीक करने के लिए एक रोबोट बना रहे हैं, तो केवल एक "जादुगर" ट्रिक न चुनें।

यदि आपका रोबोट एक परफेक्ट, साफ लैब में काम कर रहा है, तो ग्रिड (Lattice) रणनीति का उपयोग करें।
यदि आपका रोबोट एक वास्तविक, अस्त-व्यस्त अस्पताल में काम कर रहा है जहाँ धुंधले डिटेक्टर हैं, तो रो (Angular) रणनीति पर स्विच करें।
और यदि आप अतिरिक्त सुरक्षित रहना चाहते हैं, तो सुपर-टीम (Multi-Partition) रणनीति का उपयोग करें ताकि आप सभी संभावनाओं को कवर कर सकें।

पेपर निष्कर्ष निकालता है कि डेटा को विभाजित करने का कोई एक "सर्वश्रेष्ठ" तरीका नहीं है; असली सफलता का मंत्र यह है कि अपनी रणनीति को उस विशिष्ट शोर के साथ मिलाया जाए जिससे आपका मशीन जूझ रही है।

तकनीकी सारांश: स्प्लिटिंग-आधारित स्व-पर्यवेक्षित स्पार्स-व्यू CT पुनर्निर्माण में डिज़ाइन विकल्प

समस्या विवरण
एक्स-रे कंप्यूटेड टोमोग्राफी (CT) में, स्पार्स-व्यू मापों से पुनर्निर्माण एक इल-पोज़्ड (ill-posed) व्युत्क्रम समस्या है, जो रेडिएशन डोज़ या समय की सीमाओं के कारण शोर (noise) और सीमित डेटा से और भी जटिल हो जाती है। हालांकि डीप लर्निंग ने अत्याधुनिक परिणाम प्राप्त किए हैं, अधिकांश विधियाँ युग्मित ग्राउंड-ट्रुथ छवियों के साथ पर्यवेक्षित प्रशिक्षण (supervised training) पर निर्भर करती हैं, जो नैदानिक या औद्योगिक सेटिंग्स में अक्सर उपलब्ध नहीं होती हैं। स्व-पर्यवेक्षित शिक्षण (self-supervised learning), विशेष रूप से मेजरमेंट स्प्लिटिंग (जैसे, Noise2Self वेरिएंट), बिना ग्राउंड ट्रुथ के अधूरे मापों पर प्रशिक्षण देकर एक समाधान प्रदान करता है। हालाँकि, महत्वपूर्ण डिज़ाइन विकल्पों—विशेष रूप से डेटा विभाजन रणनीतियों, मास्क किए गए मापों के प्रीप्रोसेसिंग, और इन्फरेंस तंत्र—का प्रभाव अभी भी पूरी तरह से समझ में नहीं आया है। इसके अलावा, कई स्प्लिटिंग विधियाँ माप स्वतंत्रता (measurement independence) मानती हैं, एक ऐसा अनुमान जिसे वास्तविक CT सिस्टमों में अक्सर उल्लंघन किया जाता है जहाँ स्किंटिलेटर ब्लर (scintillator blur) डिटेक्टर तत्वों के बीच स्थानिक रूप से सह-संबंधित शोर (spatially correlated noise) उत्पन्न करता है। यह शोध जांचता है कि कैसे ये डिज़ाइन विकल्प विभिन्न शोर संरचनाओं (स्वतंत्र बनाम सह-संबंधित) के साथ परस्पर क्रिया करते हैं ताकि इष्टतम पुनर्निर्माण रणनीतियों को निर्धारित किया जा सके।

कार्यप्रणाली
लेखक एक एकीकृत ढांचा प्रस्तावित करते हैं जो स्प्लिटिंग-आधारित स्व-पर्यवेक्षित पुनर्निर्माण को तीन मुख्य घटकों में विभाजित करता है: विभाजन (partitioning), प्रीप्रोसेसिंग (preprocessing), और इन्फरेंस (inference)।

विभाजन रणनीतियाँ (Partitioning Strategies): अध्ययन सिनोग्राम (प्रोजेक्शन डेटा) पर लागू विभिन्न ज्यामितीय विभाजन रणनीतियों का मूल्यांकन करता है:
- लैटिस स्प्लिटिंग ( $P_{lat}$ ): सिनोग्राम को $d \times d$ पैच के नियमित या अनियमित ग्रिड में विभाजित करता है, और पैच के भीतर सापेक्ष स्थिति के आधार पर पिक्सेल को मास्क करता है।
- एंगुलर स्प्लिटिंग ( $P_{ang}$ ): सिनोग्राम में पूरे प्रोजेक्शन कोणों (पंक्तियों) को ब्लॉकों में मास्क करता है।
- मल्टी-पार्टीशन स्प्लिटिंग ( $P_{mult}$ ): एक नवीन विस्तार जो एक साथ कोणीय और डिटेक्टर आयामों के अनुदिश अपरिवर्तनीयता (invariance) को लागू करता है, और दो स्वतंत्र पार्टीशन सिस्टम से लॉस (losses) को एकत्रित करता है।
प्रीप्रोसेसिंग (Preprocessing): लेखक FBP के माध्यम से पुनर्निर्माण से पहले मास्क किए गए प्रविष्टियों (entries) को संभालने के लिए दो विधियों की तुलना करते हैं:
- जीरो-फिलिंग (Zero-filling): मास्क किए गए प्रविष्टियों को शून्य के रूप में छोड़ देना।
- लीनियर इंटरपोलेशन (Linear Interpolation): उपलब्ध पड़ोसियों से मास्क किए गए प्रविष्टियों का अनुमान लगाना।
इन्फरेंस रणनीतियाँ (Inference Strategies): अंतिम छवि $\hat{x}$ $\overset{x}{^}$ उत्पन्न करने के लिए तीन रणनीतियों का मूल्यांकन किया गया है:
- डायरेक्ट इन्फरेंस (D-inf): पूर्ण डेटा पर प्रशिक्षित नेटवर्क को सीधे लागू करना।
- एवरेज इन्फरेंस (A-inf): पूरक डेटा स्प्लिट्स के पुनर्निर्माण का औसत निकालना।
- P-इनवेरिएंट इन्फरेंस (P-inf): एक नवीन रणनीति जो सिनोग्राम स्पेस में उप-पुनर्निर्माणों को एकत्रित करती है (परिष्कृत कोणीय नमूनाकरण का उपयोग करके) ताकि यह सुनिश्चित हो सके कि आउटपुट विशिष्ट मास्किंग पार्टीशन के प्रति अपरिवर्तनीय है, जिससे नुल-स्पेस अस्पष्टताओं (null-space ambiguities) को कम किया जा सके।

इस ढांचे का मूल्यांकन LoDoPaB-CT डेटासेट (सिम्युलेटेड) पर अनकोरिलेटेड पॉइसन शोर और सह-संबंधित शोर (स्किंटिलेटर ब्लर की नकल करने के लिए गाऊसी शोर और कॉन्वोल्यूशन के माध्यम से सिम्युलेट किया गया) के तहत किया गया है। सत्यापन वास्तविक दुनिया के 2DeteCT डेटासेट पर भी किया गया है। मूल्यांकन के लिए मानक त्रुटि-आधारित उपाय (PSNR, SSIM) और संवेदी/संरचनात्मक मेट्रिक्स (LPIPS, HaarPSI) शामिल हैं।

प्रमुख योगदान

एकीकृत ढांचा: यह कार्य एक मॉड्यूलर ढांचे को पेश करता है जो विभाजन, प्रीप्रोसेसिंग और इन्फरेंस को अलग करता है, जिससे मौजूदा विधियों और नए विस्तारों की नियंत्रित तुलना संभव होती है।
व्यवस्थित बेंचमार्किंग: स्वतंत्र और सह-संबंधित शोर व्यवस्थाओं में एक व्यापक मूल्यांकन प्रकट करता है कि इष्टतम रणनीति शोर संरचना पर अत्यधिक निर्भर है।
नवीन विस्तार: मल्टी-पार्टीशन स्प्लिटिंग और P-इनवेरिएंट इन्फरेंस का परिचय पूरक मेजरमेंट पार्टीशनों का लाभ उठाने और इन्फरेंस के दौरान अपरिवर्तनीयता को लागू करने के लिए नए उपकरण प्रदान करता है।
शोर-निर्भर दिशानिर्देश: अध्ययन प्रदर्शित करता है कि स्वतंत्र शोर के तहत लैटिस-आधारित स्प्लिटिंग बेहतर है, जबकि सह-संबंधित शोर और वास्तविक दुनिया के डेटा के तहत एंगुलर मास्किंग अधिक मजबूत है। मल्टी-पार्टीशन स्प्लिटिंग कई सेटिंग्स में शुद्ध प्रोजेक्शन-वाइज स्प्लिटिंग की तुलना में लगातार सुधार करती है।
मेट्रिक विश्लेषण: संवेदी मेट्रिक्स (LPIPS, HaarPSI) का समावेश उन संरचनात्मक अंतरों को प्रकट करता है जिन्हें केवल PSNR या SSIM द्वारा कैप्चर नहीं किया जा सकता है।

परिणाम

प्रीप्रोसेसिंग: FBP से पहले मास्क किए गए मापों का लीनियर इंटरपोलेशन, जीरो-फिलिंग की तुलना में पुनर्निर्माण गुणवत्ता (SSIM और HaarPSI) में लगातार सुधार करता है, विशेष रूप से डायरेक्ट इन्फरेंस के लिए।
शोर व्यवस्थाएं (Noise Regimes):
- अनकोरिलेटेड शोर: लैटिस-आधारित स्प्लिटिंग, एंगुलर स्प्लिटिंग से बेहतर प्रदर्शन करती है। मल्टी-पार्टीशन स्प्लिटिंग शुद्ध एंगुलर मास्किंग की तुलना में व्यवस्थित सुधार दिखाती है।
- सह-संबंधित शोर: एंगुलर स्प्लिटिंग, लैटिस स्प्लिटिंग की तुलना में काफी बेहतर प्रदर्शन करती है, क्योंकि यह स्किंटिलेटर ब्लर द्वारा प्रेरित क्षैतिज सह-संबंधों से बचती है। मल्टी-पार्टिंग स्प्लिटिंग प्रदर्शन को और बढ़ाती है, जो कभी-कभी इनवेरिएंट इन्फरेंस के तहत अकेले एंगुलर स्प्लिटिंग से भी बेहतर होती है।
इन्फरेंस: एवरेज और P-इनवेरिएंट दोनों इन्फरेंस रणनीतियां लगातार डायरेक्ट इन्फरेंस से बेहतर प्रदर्शन करती हैं। सुधार सह-संबंधित शोर व्यवस्थाओं में अधिक स्पष्ट है, जहाँ P-इनवेरिएंट इन्फरेंस मास्किंग संरचना का सम्मान करते हुए सूचना को प्रभावी ढंग से एकत्रित करके सर्वोत्तम परिणाम देता है।
स्प्लिटिंग डेंसिटी: अनकोरिलेटेड शोर में प्रदर्शन पर स्प्लिट्स की संख्या ( $s \in \{4, 9, 16\}$ ) का मामूली प्रभाव पड़ता है, लेकिन सह-संबंधित शोर में स्पष्ट रुझान दिखाई देते हैं, जहाँ कम स्प्लिट्स (मोटे मास्किंग) लैटिस और मल्टी-पार्टीशन रणनीतियों को थोड़ा लाभ पहुँचा सकते हैं, जबकि एंगुलर स्प्लिटिंग पैरामीटर विविधताओं के प्रति मजबूत बनी रहती है।

महत्व
यह शोध स्व-पर्यवेक्षित स्पार्स-व्यू CT पुनर्निर्माण विधियों को विकसित करने के लिए व्यावहारिक डिज़ाइन दिशानिर्देश प्रदान करता है। यह इस बात पर प्रकाश डालता है कि मेजरमेंट इंडिपेंडेंस का अनुमान, जो कई स्प्लिटिंग-आधारित दृष्टिकोणों में सामान्य है, वास्तविक इमेजिंग वातावरण में एक महत्वपूर्ण सीमा है जहाँ डिटेक्टर भौतिकी (physics) से संरचित शोर उत्पन्न होता है। यह प्रदर्शित करके कि एंगुलर मास्किंग सह-संबंधित शोर के प्रति अधिक मजबूत है और मल्टी-पार्टीशन रणनीतियां अतिरिक्त रिडंडेंसी का लाभ उठा सकती हैं, यह कार्य उन नैदानिक और औद्योगिक सेटिंग्स में अधिक विश्वसनीय स्व-पर्यवेक्षित पुनर्निर्माण की ओर एक मार्ग प्रशस्त करता है जहाँ ग्राउंड ट्रुथ उपलब्ध नहीं है और शोर संरचनाएं जटिल हैं। निष्कर्ष इस आवश्यकता को रेखांकित करते है कि विभाजन और इन्फरेंस रणनीतियों का चयन इमेजिंग सिस्टम की विशिष्ट शोर विशेषताओं के अनुरूप होना चाहिए।