⚡ electrical engineering

Luminosity-Adaptive Contrast Enhancement Using CLAHE for Retinal Fundus Images with Quantitative Validation and Comparative Analysis

यह अध्ययन एक दो-चरणीय इमेज एन्हांसमेंट पाइपलाइन का प्रस्ताव और सत्यापन करता है जो रेटिनल फंडस छवियों के लिए मानक HE और AHE विधियों की तुलना में कंट्रास्ट और संरचनात्मक निष्ठा (structural fidelity) में बेहतर मात्रात्मक प्रदर्शन प्रदर्शित करते हुए, वैल्यू चैनल पर लागू CLAHE के साथ HSV-आधारित ल्यूमिनोसिटी सुधार को जोड़ता है, जबकि नैदानिक प्रसंस्करण गति को बनाए रखता है।

मूल लेखक: K. Mithra, Prem Kumar Santhanam

प्रकाशित 2026-07-21✓ Author reviewed ⓘ

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: K. Mithra, Prem Kumar Santhanam

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 नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक नक्शा पढ़ने की कोशिश कर रहे हैं, लेकिन कोई आपकी आँखों में सीधे टॉर्च की रोशनी डाल रहा है और साथ ही कागज पर धुंध की एक परत भी फैला रहा है। नक्शा वहीं है, लेकिन विवरण उस चमक और छाया में छिप गए हैं। यह ठीक वही समस्या है जिसका सामना डॉक्टर मानव आँख के अंदर के चित्रों को देखते समय करते हैं, जिन्हें रेटिनल फंडस इमेज (retinal fundus images) कहा जाता है। ये तस्वीरें मधुमेह से होने वाले नुकसान या ग्लूकोमा जैसी गंभीर स्थितियों का पता लगाने के लिए महत्वपूर्ण हैं, इससे पहले कि वे अंधापन पैदा करें। हालाँकि, ये तस्वीरें लेने के लिए उपयोग किए जाने वाले कैमरे अक्सर असमान रोशनी (जैसे कि वह टॉर्च की चमक) और कम कंट्रास्ट (जैसे कि धुंध) के कारण संघर्ष करते हैं, जिससे मानव डॉक्टरों और कंप्यूटर प्रोग्रामों दोनों के लिए सूक्ष्म रक्त वाहिकाओं और चेतावनी के संकेतों को स्पष्ट रूप से देखना कठिन हो जाता है। इसे ठीक करने के लिए, वैज्ञानिक "इमेज एन्हांसमेंट" (image enhancement) का उपयोग करते हैं, जो एक डिजिटल फोटो एडिटर की तरह है जो धुंध को साफ करने और रोशनी को संतुलित करने की कोशिश करता है। हालाँकि कुछ शक्तिशाली कंप्यूटर प्रोग्राम मौजूद हैं जो यह कर सकते हैं, लेकिन उन्हें चलाने के लिए भारी मात्रा में डेटा और महंगे सुपरकंप्यूटर की आवश्यकता होती है, जिससे वे उन स्थानों के लिए बेकार हो जाते जहाँ वे संसाधन उपलब्ध नहीं हैं।

यह शोध पत्र एक चतुर, हल्का समाधान पेश करता है जो इन धुंधली, असमान आँख की तस्वीरों को साफ करने के लिए एक दो-चरणीय जादू की तरह काम करता है, जिसके लिए सुपरकंप्यूटर की आवश्यकता नहीं है। लेखक, के. मिथ्रा और प्रेम कुमार संथानम, एक ऐसी विधि प्रस्तावित करते हैं जो पहले रोशनी को ठीक करती है और फिर विवरणों को तीक्ष्ण (sharpen) करती है। उन्होंने अपने विचार का परीक्षण सार्वजनिक डेटाबेस से आँख के चित्रों के तीन अलग-अलग सेटों पर किया, जो विभिन्न प्रकार के कैमरों और रोगियों के साथ अलग-अलग "प्रशिक्षण मैदानों" की तरह कार्य करते हैं। उनके परिणाम दिखाते हैं कि यह सरल, तेज़ विधि जटिल और महंगी कंप्यूटर प्रोग्रामों जितनी ही अच्छी तरह काम करती है, लेकिन यह एक मानक कंप्यूटर पर एक सेकंड के मामूली हिस्से में चलती है।

दो-चरणीय जादू का खेल

एक रेटिनल इमेज को एक ऐसी पेंटिंग के रूप में सोचें जहाँ प्रकाश स्रोत खराब है। कुछ हिस्से आँखों को चुंधिया देने वाले चमकीले हैं, जबकि कुछ गहरे अंधेरे में फंसे हुए हैं। लेखकों की विधि का पहला चरण है लुमिनोसिटी करेक्शन (Luminosity Correction)। कल्पना कीजिए कि आपके पास एक फोटो है जहाँ बाईं ओर सूरज की किरण से सब कुछ धुल गया है और दाईं ओर अंधेरा है। पूरी तस्वीर को एक साथ ठीक करने के बजाय, यह चरण पेंटिंग के "रंग" को उसकी "चमक" से अलग करता है। यह असमान रोशनी (सूरज की किरण और छाया) का एक मानचित्र बनाता है और फिर गणितीय रूप से इसे "सपाट" कर देता है, जैसे एक झुर्रीदार चादर को इस्त्री करना ताकि पूरी सतह चिकनी और समान रूप से प्रकाशित हो जाए। महत्वपूर्ण बात यह है कि यह रंगों के साथ छेड़छाड़ किए बिना ऐसा करता है, यह सुनिश्चित करता है कि लाल धब्बे (जो रक्तस्राव हो सकते हैं) लाल ही रहें और हल्के क्षेत्र हल्के ही रहें।

एक बार जब रोशनी समान हो जाती है, तो दूसरा चरण शुरू होता है: CLAHE। यदि पहला चरण चादर को इस्त्री करना था, तो यह चरण वस्तुओं के किनारों को उभारने के लिए ब्लैक-एंड-व्हाइट टीवी पर कंट्रास्ट बढ़ाने जैसा है। CLAHE कंट्रास्ट बढ़ाने का एक स्मार्ट तरीका है, लेकिन इसमें एक सुरक्षा वाल्व भी है। करने के पुराने तरीके अक्सर "शोर" (फोटो में दानेदार स्टेटिक) को वास्तविक विवरण के रूप में दिखा देते थे, जो खतरनाक है। CLAHE एक सख्त संपादक की तरह कार्य करता है जो कहता है, "हम कंट्रास्ट बढ़ाएंगे, लेकिन हम यह नहीं होने देंगे कि दानेदार स्टेटिक बहुत अधिक शोर मचाने लगे।" प्रकाश ठीक होने के बाद केवल चमक वाली परत (brightness layer) पर इसे लागू करके, यह विधि उन सूक्ष्म रक्त वाहिकाओं और छोटे घावों को प्रकट करती है जो पहले धुंध में छिपे हुए थे।

उन्होंने क्या पाया

लेखकों ने इस दो-चरणीय पाइपलाइन का परीक्षण आँख के चित्रों के तीन अलग-अलग समूहों पर किया:

DRIVE: 40 छवियों का एक मानक सेट।
STARE: विभिन्न बीमारियों वाली 20 छवियों का एक सेट।
CHASEDB1: बच्चों से हाथ से पकड़े जाने वाले कैमरे से ली गई 28 छवियों का एक सेट।

उन्होंने छवियों की गुणवत्ता को मापने के लिए तीन विशिष्ट स्कोर का उपयोग किया:

PSNR (Peak Signal-to-Noise Ratio): यह मूल छवि की तुलना में छवि कितनी साफ है, इसका माप है। नई विधि ने DRIVE सेट पर 29.3 ± 0.4 dB प्राप्त किया, जो उनके द्वारा तुलना की गई अन्य सभी विधियों से काफी बेहतर था।
SSIM (Structural Similarity Index): यह एक माप है कि छवि की संरचना (जैसे रक्त वाहिकाओं का आकार) कितनी सुरक्षित रही। उन्होंने 0.91 ± 0.01 हासिल किया, जिसका अर्थ है कि छवि लगभग अपने एक आदर्श संस्करण जैसी दिखती है।
CNR (Contrast-to-Noise Ratio): महत्वपूर्ण भाग पृष्ठभूमि से कितनी अच्छी तरह उभर कर आते हैं। उन्होंने 3.12 ± 0.07 स्कोर किया।

यह शोध पत्र स्पष्ट रूप से इस विचार का खंडन करता है कि अच्छे परिणाम प्राप्त करने के लिए आपको एक विशाल, डीप-लर्निंग कंप्यूटर प्रोग्राम की आवश्यकता है। उन्होंने दिखाया कि उनकी विधि, जिसे कोई प्रशिक्षण डेटा (training data) और कोई GPU (ग्राफिक्स कार्ड) नहीं चाहिए, उन जटिल AI मॉडल के समान प्रदर्शन करती है जिन्हें आमतौर पर विशाल डेटासेट और महंगे हार्डवेयर की आवश्यकता होती है। वास्तव में, उनकी विधि सांख्यिकीय रूप से उन पुराने, सरल तरीकों से बेहतर साबित हुई जो पहले रोशनी को ठीक नहीं करते थे।

बीमारी को पकड़ना

लेकिन केवल तस्वीर को सुंदर बनाना ही एकमात्र लक्ष्य नहीं है; सिस्टम ने एक डॉक्टर की तरह कार्य करने की भी कोशिश की। छवि को साफ करने के बाद, कंप्यूटर "हाइपर-रिफ्लेक्टिव" क्षेत्रों की तलाश करता है—चमकदार धब्बे जो बीमारी का संकेत दे सकते हैं। DRIVE डेटासेट पर, इस सरल प्रणाली ने 87.4% बार बीमारी की सही पहचान की। यह "बीमारी नहीं है" कहने में बहुत अच्छा था (90.1% विशिष्टता/specificity), जो बहुत अच्छा है क्योंकि इसका मतलब है कि कम स्वस्थ लोगों को अनावश्यक, डरावने फॉलो-अप टेस्ट के लिए भेजा जाएगा। इसने बीमारी को 84.3% बार पकड़ा (संवेदनशीलता/sensitivity), जो कि एक पहले-चरण के स्क्रीनिंग टूल के लिए एक ठोस स्कोर है।

यह विधि सभी तीन डेटासेटों में लगातार काम करती रही, भले ही छवियां अलग-अलग कैमरों या अलग-अलग आयु समूहों (जैसे CHASEDB1 सेट में बच्चे) से आई हों। प्रदर्शन में मामूली गिरावट बच्चों की छवियों के साथ हुई, संभवतः इसलिए क्योंकि उनकी रक्त वाहिकाएं बहुत छोटी होती हैं और देखना कठिन होता है, लेकिन सिस्टम ने फिर भी अच्छा प्रदर्शन किया।

निष्कर्ष

इस खोज का सबसे रोमांचक हिस्सा इसकी गति और सरलता है। एक मानक कंप्यूटर पर पूरी प्रक्रिया में प्रति छवि 0.14 सेकंड का समय लगता है। इसका मतलब है कि दूरदराज के क्लिनिक में एक डॉक्टर एक बुनियादी लैपटॉप के साथ, बिना किसी सुपरकंप्यूटर के इंटरनेट कनेक्शन या डेटा वैज्ञानिकों की टीम की आवश्यकता के, तुरंत रोगियों की जांच कर सकता है। यह शोध पत्र निष्कर्ष निकालता है कि यह "लुमिनोसिटी-CLAHE" पाइपलाइन आंखों की देखभाल में सुधार करने का एक सांख्यिकीय रूप से बेहतर, विश्वसनीय और सुलभ तरीका है, जो यह सिद्ध करता है कि कभी-कभी सबसे अच्छा समाधान सबसे जटिल समाधान नहीं होता, बल्कि वह होता है जो फोकस को तेज करने से पहले रोशनी को ठीक करता है।

तकनीकी सारांश: रेटिनल फंडस छवियों के लिए CLAHE का उपयोग करके ल्यूमिनोसिटी-अनुकूली कंट्रास्ट संवर्धन (Luminosity-Adaptive Contrast Enhancement)

समस्या विवरण
रेटिनल फंडस इमेजिंग मधुमेह संबंधी रेटिनोपैथी (diabetic retinopathy), ग्लूकोमा और रेटिनल वेन ऑक्लूजन जैसी दृष्टि को खतरे में डालने वाली स्थितियों के शीघ्र निदान के लिए महत्वपूर्ण है। हालांकि, इन छवियों की नैदानिक उपयोगिता अक्सर तीन प्राथमिक अधिग्रहण आर्टिफैक्ट्स (acquisition artifacts) के कारण बाधित होती है: (i) फंडस कैमरों के दिशात्मक फ्लैश और रेटिनल वक्रता के कारण होने वाला गैर-समान इल्यूमिनेशन (non-uniform illumination); (ii) अनैच्छिक आंखों की गतिविधियों से उत्पन्न मोशन-इंड्यूस्ड ब्लर (motion-induced blur); और (iii) समान परावर्तन वाले रेटिनल संरचनाओं के बीच कम कंट्रास्ट। ये आर्टिफैक्ट्स मैन्युअल ग्रेडिंग और स्वचालित विश्लेषण पाइपलाइनों दोनों को खराब करते हैं। जबकि क्लासिकल विधियां जैसे हिस्टोग्राम इक्वलाइजेशन (HE) और एडेप्टिव हिस्टोग्राम इक्वलाइजेशन (AHE) कंट्रास्ट को संबोधित करती हैं, वे अक्सर शोर (noise) को अत्यधिक बढ़ा देती हैं या सूक्ष्म विवरणों को दबा देती हैं। डीप लर्निंग दृष्टिकोण मजबूत प्रदर्शन प्रदान करते हैं लेकिन उन्हें बड़े एनोटेटेड कॉर्पोरा, GPU इंफ्रास्ट्रक्चर और व्यापक हाइपरपैरामीटर अनुकूलन की आवश्यकता होती है, जो संसाधन-सीमित स्क्रीनिंग कार्यक्रमों, विशेष रूप से निम्न और मध्यम आय वाले देशों में उनकी प्रयोज्यता को सीमित करता है। इसके अलावा, मौजूदा क्लासिकल CLAHE विधियां अक्सर अंतर्निहित गैर-समान इल्यूमिनेशन को ठीक किए बिना सीधे RGB या ग्रीन चैनलों पर कंट्रास्ट लागू करती हैं, जिससे रंग-नैदानिक (color-diagnostic) विशेषताओं में विरूपण हो सकता है।

कार्यप्रणाली (Methodology)
यह शोध पत्र एक दो-चरणीय, ट्रेनिंग-फ्री संवर्धन पाइपलाइन प्रस्तावित करता जिसे कंट्रास्ट प्रवर्धन से पहले इल्यूमिनेशन गैर-समानता को संबोधित करने के लिए डिज़ाइन किया गया है:

चरण 1: HSV डिकम्पोजिशन के माध्यम से ल्यूमिनोसिटी सुधार
इनपुट RGB छवि को HSV (Hue, Saturation, Value) कलर स्पेस में परिवर्तित किया जाता है। यह पृथक्करण क्रोमैटिक जानकारी को बदले बिना ल्यूमिनेंस संशोधन की अनुमति देता है, जो कि H और S चैनलों में एनकोडेड रक्तस्राव की लालिमा (hemorrhage redness) और डिस्क पेलर (disc pallor) जैसी रंग-नैदानिक विशेषताओं को संरक्षित करने के लिए महत्वपूर्ण है।

एक स्थानिक ल्यूमिनेंस गेन सरफेस, $G(x, y)$ , को बड़े-कर्नेल गाऊसी स्मूथिंग ( $\sigma = 60$ px) का उपयोग करके V चैनल से अनुमानित किया जाता है।
सुधारा गया V चैनल मूल V चैनल को गेन सरफेस से विभाजित करके कंप्यूट किया जाता है ( $V_{corrected} = V / G$ ), और परिणाम को $[0, 1]$ तक क्लिप किया जाता है। यह सापेक्ष तीव्रता विविधताओं को संरक्षित करते हुए बैकग्राउंड इल्यूमिनेशन फील्ड को सामान्य बनाता है।
सुधारा गया V चैनल अपरिवर्तित H और S चैनलों के साथ पुनर्संयोजित किया जाता है और वापस RGB में परिवर्तित किया जाता है।

चरण 2: CLAHE कंट्रास्ट संवर्धन
CLAHE को विशेष रूप से ल्यूमिनोसिटी-सुधारित V चैनल पर लागू किया जाता है।

CLAHE स्थानीय टाइल्स (8×8 ग्रिड) पर संचालित होता है जिसमें क्लिप लिमिट (CL) 0.01 है। यह सजातीय क्षेत्रों में शोर के प्रवर्धन को रोकने के लिए अधिकतम प्रवर्धन कारक को सीमित करता है जबकि वास्तविक कंट्रास्ट अंतरों को बढ़ाता है।
पैरामीटर्स को औसत SSIM को अधिकतम करने के लिए DRIVE ट्रेनिंग सेट पर अनुकूलित किया गया था और सभी टेस्ट डेटासेट्स पर बिना किसी संशोधन के लागू किया गया।

चरण 3: रोग पहचान ढांचा (Disease Detection Framework)
संवर्धन के बाद, हाइपर-रिफ्लेक्टिव क्षेत्रों (जैसे एक्सुडेट्स, एडिमा) की पहचान करने के लिए ओत्सु (Otsu's) विधि का उपयोग करके एक बाइनरी मास्क बनाया जाता है। कनेक्टेड-कंपोनेंट लेबलिंग लागू की जाती है, और यदि कुल हाइपर-रिफ्लेक्टिव क्षेत्र 50 पिक्सेल से अधिक है, तो सिस्टम "संभावित संवहनी असामान्यता" (Possible Vascular Abnormality) का संकेत देता है।

प्रमुख योगदान

एकीकृत पाइपलाइन: प्राथमिक योगदान कंट्रास्ट प्रवर्धन से पहले एक HSV-आधारित ल्यूमिनोसिटी नॉर्मलाइजेशन स्टेज को एकीकृत करना है। यह दृष्टिकोण कंट्रास्ट प्रवर्धन से पहले स्थानिक रूप से गैर-समान इल्यूमिनेशन को हटा देता है, जिससे उन विकृतियों से बचा जाता है जो तब होती हैं जब CLAHE को सीधे RGB चैनलों पर लागू किया जाता है।
बहु-डेटासेट सत्यापन: इस पद्धति को तीन स्वतंत्र सार्वजनिक बेंचमार्क (DRIVE, STARE, और CHASEDB1) पर मान्य किया गया है जो विविध आबादी, अधिग्रहण उपकरणों (टेबलटॉप बनाम हैंडहेल्ड), और पैथोलॉजिकल प्रोफाइल को कवर करते हैं।
सांख्यिकीय कठोरता: अध्ययन मात्रात्मक मेट्रिक्स (PSNR, SSIM, CNR) को मानक विचलन के साथ रिपोर्ट करता है और बेसलाइन्स के विरुद्ध सांख्यिकीय महत्व ( $p < 0.01$ ) की पुष्टि करने के लिए पेयर्ड टू-टेल्ड विल्कॉक्सन साइन्ड-रैंक टेस्ट का उपयोग करता है।
संसाधन दक्षता: इस पाइपलाइन के लिए कोई प्रशिक्षण डेटा, कोई GPU नहीं चाहिए, और यह एक मानक CPU पर संचालित होती है, जिससे यह संसाधन-सीमित वातावरण के लिए उपयुक्त बनती है।

परिणाम

मात्रात्मक प्रदर्शन: DRIVE टेस्ट सेट पर, प्रस्तावित विधि ने $29.3 \pm 0.4$ dB का PSNR, $0.91 \pm 0.01$ का SSIM, और $3.12 \pm 0.07$ का CNR प्राप्त किया। ये परिणाम सभी बेसलाइन्स (HE, AHE, CLAHE-only, और ल्यूमिनोसिटी-ओनली विधियों) की तुलना में सांख्यिकीय रूप से काफी बेहतर थे।
क्रॉस-डेटासेट सामान्यीकरण: DRIVE पर अनुकूलित फिक्स्ड पैरामीटर्स का उपयोग करते हुए, विधि ने STARE (PSML $28.7 \pm 0.6$ dB, SSIM $0.89 \pm 0.02$ ) और CHASEDB1 (PSNR $28.1 \pm 0.7$ dB, SSIM $0.87 \pm 0.02$ ) पर मजबूत प्रदर्शन बनाए रखा, जो विभिन्न कैमरों और जनसांख्यिकी में सामान्यीकरण प्रदर्शित करता है।
रोग पहचान: सिस्टम ने DRIVE पर 87.4% सटीकता, 84.3% संवेदनशीलता (sensitivity), और 90.1% विशिष्टता (specificity) प्राप्त की, जिसका AUC 0.869 है। प्रदर्शन STARE और CHASEDB1 में भी सुसंगत रहा, हालांकि बाल चिकित्सा छवियों में छोटे वाहिका व्यास (vessel calibers) के कारण CHASEDB1 पर संवेदनशीलता थोड़ी कम (81.1%) रही।
दक्षता: प्रसंस्करण समय 0.14 सेकंड प्रति छवि है, जो CLAHE-only विधियों की तुलना में नगण्य वृद्धि है और मानक फंडस कैमरा अधिग्रहण दरों के अनुकूल है।

महत्व और दावे
शोध पत्र का दावा है कि प्रस्तावित ल्यूमिनोसिटी–CLAHE पाइपलाइन मौजूदा क्लासिकल विधियों की तुलना में सांख्यिकीय रूप से बेहतर परिणाम देती है और नैदानिक स्क्रीनिंग के लिए उपयुक्त रोग पहचान सटीकता प्राप्त करती है। एक प्रमुख महत्व जो रेखांकित किया गया है वह इस पद्धति की क्षमता है कि यह पैरामीटर संशोधन के बिना तीन स्वतंत्र डेटासेट्स पर मजबूत प्रदर्शन बनाए रखती है, जो डीप लर्निंग मॉडल की एक सामान्य सीमा को संबोधित करती है जो अक्सर विशिष्ट अधिग्रहण स्थितियों के प्रति ओवरफिट हो जाते हैं।

लेखक संसाधन-सीमित नेत्र विज्ञान स्क्रीनिंग कार्यक्रमों के लिए इसके व्यावहारिक लाभ पर जोर देते हैं। GANs या डिफ्यूजन मॉडल्स जैसे डीप लर्निंग दृष्टिकोणों के विपरीत, जिन्हें व्यापक प्रशिक्षण डेटा और GPU इंफ्रास्ट्रक्चर की आवश्यकता होती है, यह विधि बिना किसी प्रशिक्षण डेटा के तुलनीय SSIM और PSNR मेट्रिक्स प्राप्त करती है और मानक हार्डवेयर पर कुशलतापूर्वक चलती है। यह पेपर इस पद्धति को स्वायत्त निदान प्रदान करने के बजाय, चिह्नित रोगियों को नेत्र रोग विशेषज्ञ की समीक्षा के लिए भेजने हेतु एक व्यवहार्य 'फर्स्ट-पास स्क्रीनिंग टूल' के रूप में प्रस्तुत करता है। लेखक नोट करते हैं कि भविष्य के कार्य को फाल्स पॉजिटिव को कम करने के लिए वेसल सेगमेंटेशन मास्क को एकीकृत करने और बाल चिकित्सा वाहिका व्यास के लिए थ्रेशोल्ड को अनुकूलित करने पर ध्यान केंद्रित करना चाहिए।

दो-चरणीय जादू का खेल

उन्होंने क्या पाया

बीमारी को पकड़ना

निष्कर्ष

इसी तरह के और पेपर