Investigating the Visual Cues of CNNs for Vascular Segmentation: A Case Study in Microscopy and Fundus Imaging
यह अध्ययन सूक्ष्मदर्शी (microscopy) और फंडस इमेजिंग में सीएनएन (CNN)-आधारित संवहनी विखंडन (vascular segmentation) को संचालित करने वाले दृश्य संकेतों की जांच करता है, जो यह प्रकट करता है कि मॉडल बनावट (texture) या वैश्विक आकार (global shape) के बजाय मुख्य रूप से एक सीमित 20-पिक्सेल रिसेप्टिव फील्ड के भीतर पिक्सेल तीव्रता पर निर्भर करते हैं, बावजूद इसके कि इन संकेतों को हटा दिए जाने पर भी वे उच्च सटीकता बनाए रखते हैं।
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 रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन आप उंगलियों के निशान खोजने के बजाय, मानव शरीर के भीतर छोटी, घुमावदार नदियों का नक्शा देख रहे हैं। ये नदियाँ रक्त वाहिकाएं (blood vessels) हैं, और धुंधली तस्वीरों में उन्हें ढूंढना डॉक्टरों के लिए मधुमेह या हृदय रोग जैसी बीमारियों को पहचानने के लिए अत्यंत महत्वपूर्ण है। वर्षों से, कंप्यूटर 'कन्वोल्यूशनल न्यूरल नेटवर्क' (Convolutional Neural Network), या संक्षेप में CNN नामक एक विशेष प्रकार के बुद्धिमान सॉफ्टवेयर का उपयोग करके इन नक्शों को बनाने में बहुत कुशल हो गए हैं। एक CNN को एक सुपर-स्मार्ट रोबोट के रूप में समझें जो हजारों तस्वीरों को देखकर पैटर्न पहचानना सीखता है। लेकिन इसमें एक पेंच है: रोबोट थोड़ा "ब्लैक बॉक्स" जैसा है। हम जानते हैं कि वह सही उत्तर देता है, लेकिन हमें यह नहीं पता कि वह यह कैसे तय करता है कि क्या एक नदी है और क्या सिर्फ एक पत्थर है। क्या वह नदी के आकार को देखता है? क्या वह उसके रंग को देखता है? या क्या वह केवल रोशनी के एक छोटे से बिंदु के आधार पर अनुमान लगा रहा है? यह शोध पत्र एक आवर्धक लेंस (magnifying glass) की तरह है जो रोबोट के मस्तिष्क के भीतर झांककर यह देखता है कि पहेली सुलझाने के लिए वह वास्तव में किन सुरागों का उपयोग कर रहा है।
शोधकर्ताओं ने यह पता लगाने की कोशिश की कि क्या ये कंप्यूटर मस्तिष्क वास्तव में उन्हीं वाहिकाओं को "देख" रहे हैं जैसे कि एक मानव डॉक्टर देखता है, या वे केवल आसान तरकीबों को देखकर धोखाधड़ी कर रहे हैं। ऐसा करने के लिए, उन्होंने दो अलग-अलग प्रकार की तस्वीरों का उपयोग करके कुछ चतुर प्रयोग किए: एक सेट सूक्ष्मदर्शी (microscope) से देखे गए चूहों के मस्तिष्क की सूक्ष्म वाहिकाओं का था, और दूसरा सेट मानव आंख के पिछले हिस्से को देखते हुए एक कैमरे का था। उन्होंने तीन बड़े सवाल पूछे: क्या रोबط बनावट (texture - यानी दानेदार रूप) या चमक (brightness - यानी पिक्सेल कितने हल्के या गहरे हैं) पर अधिक ध्यान देता है? क्या वह आकार को समझ सकता है यदि आप उसे केवल एक पतली रूपरेखा (outline) दिखाएं? और काम पूरा करने के लिए उसे आसपास की कितनी तस्वीर देखने की आवश्यकता है?
यहाँ उन्हें क्या मिला, वह यहाँ दिया गया है। सबसे पहले, उन्होंने परीक्षण किया कि क्या रोबोट को छवि के "दाने" (grain) की परवाह है या केवल चमक की। उन्होंने छवि के छोटे-छोटे चौकोर टुकड़े लिए और पिक्सेल को इस तरह बिखेर दिया कि बनावट पूरी तरह से गायब हो गई, जैसे ताश के पत्तों को तब तक फेंटना जब तक कि उनका क्रम समझ में न आए। आश्चर्यजनक रूप से, रोबोट ने अभी भी काफी अच्छा काम किया! यह सुझाव देता है कि हालांकि पिक्सेल की चमक सबसे महत्वपूर्ण सुराग है, लेकिन रोबोट वास्तव में काफी स्मार्ट है और बनावट नष्ट होने के बाद भी अन्य छिपे हुए पैटर्न ढूंढ सकता है। यह वैसा ही है जैसे कि आप अपने दोस्त के चेहरे को तब भी पहचान सकें जब उसकी त्वचा पर कोई ठोस रंग लगा दिया गया हो, जब तक कि रोशनी सही हो।
इसके बाद, उन्होंने यह देखने की कोशिश की कि क्या रोबंब केवल बीच में एक पतली रेखा (centerline) या एक खोखली रूपरेखा को देखकर पूरी नदी का चित्र बना सकता है। उन्होंने वाहिकाओं के सभी आंतरिक विवरणों को हटा दिया, जिससे केवल आकार ही बचा। परिणाम क्या रहा? रोबोट भ्रमित हो गया। उसने वाहिकाओं को बनाने की कोशिश की, लेकिन अक्सर उन्हें बहुत मोटा या गलत जगहों पर भर दिया। यह पता चला कि इन विशिष्ट प्रकार की तस्वीरों के लिए, रोबोट केवल आकार को देखकर और बाकी का अनुमान नहीं लगा सकता। उसे यह जानने के लिए कि वाहिका कितनी चौड़ी है, वास्तव में उसके अंदर के हिस्से को देखने की आवश्यकता होती है। यह वैसा ही है जैसे सड़क के बीच में सफेद रेखाओं को देखकर राजमार्ग की चौड़ाई का अनुमान लगाना; बिना डामर (asphalt) को देखे, आप अनुमान लगा सकते हैं कि यह एक छोटा रास्ता है या एक विशाल महामार्ग।
अंत में, उन्होंने सोचा कि रोबोट को कितने "संदर्भ" (context) की आवश्यकता है। क्या उसे पूरी तस्वीर देखने की आवश्यकता है, या केवल एक छोटा सा हिस्सा? उन्होंने रोबोट को छोटी और छोटी होती छवियों के साथ परीक्षण किया। उन्होंने पाया कि रोबोट अपना सर्वश्रेष्ठ काम करने के लिए केवल 32 x 32 पिक्सेल चौड़े एक वर्गाकार पैच को ही देखता है। एक बार जब पैच इससे बड़ा हो जाता है, तो रोबोट बेहतर प्रदर्शन नहीं करता है। ऐसा लगता है कि रोबोट का एक "स्वीट स्पॉट" (sweet spot) है जहाँ वह एक छोटे क्षेत्र को देखता है—लगभग 20 पिक्सेल चौड़ा—और एक सही निर्णय लेने के लिए इतना पर्याप्त है। उसे एक अकेले पेड़ को खोजने के लिए पूरे जंगल को देखने की आवश्यकता नहीं है।
संक्षेप में, यह शोध पत्र बताता है कि इन विशिष्ट चिकित्सा छवियों के लिए, कंप्यूटर मस्तिष्क वाहिकाओं के बड़े, वैश्विक आकार के बजाय पिक्सेल की चमक और स्थानीय विवरण के एक छोटे हिस्से पर बहुत अधिक निर्भर करते हैं। हालांकि यह एक सीमा लग सकती है, लेकिन यह वैज्ञानिकों को बेहतर, तेज़ और अधिक विश्वसनीय चिकित्सा उपकरण बनाने में मदद करता है। यह जानकर कि रोबोट वास्तव में किन सुरागों का उपयोग कर रहा है, डॉक्टर इस बात पर अधिक भरोसा कर सकते हैं कि रोबोट केवल अनुमान नहीं लगा रहा है, बल्कि वास्तव में जीवन बचाने के लिए सही चीजों को देख रहा 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।