Automated classification method of COVID-19 cases from chest CT volumes using 2D and 3D hybrid CNN for anisotropic volumes
यह शोध पत्र एक नवीन 2D/3D हाइब्रिड CNN पद्धति प्रस्तावित करता है जो तीन परस्पर लंबवत तलों का विश्लेषण करके एनिसोट्रोपिक (anisotropic) चेस्ट CT वॉल्यूम से प्रभावी ढंग से विशेषताओं को निकालता है, जिससे COVID-19 निदान के लिए 83.3% वर्गीकरण सटीकता प्राप्त होती है जो गैर-हाइब्रिड मॉडलों से बेहतर 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 जासूस हैं जो जेली के एक विशाल, तीन-आयामी (3D) ब्लॉक के भीतर एक रहस्य को सुलझाने की कोशिश कर रहे हैं। यह कोई साधारण जेली नहीं है; यह मानव छाती का प्रतिनिधित्व करने वाला डेटा का एक ब्लॉक है, जिसे ब्रेड के एक लोफ की तरह सैकड़ों पतली परतों में काटा गया है। चिकित्सा विज्ञान की दुनिया में, इसे सीटी (CT) स्कैन कहा जाता है। आमतौर पर, जासूस (डॉक्टर) संक्रमण जैसे सुराग खोजने के लिए इन स्लाइसों को एक-एक करके देखते हैं, जैसे कि कोई छिपा हुआ घुसपैफा। लेकिन जब दुनिया भर में एक नया, चालाक वायरस फैलने लगा, तो हाथ से जांचने के लिए जेली के ब्लॉक्स बहुत अधिक हो गए, और जासूस थक रहे थे। उन्हें एक रोबोटिक सहायक की आवश्यकता थी। यहीं पर "कंप्यूटर-एडेड डायग्नोसिस" (Computer-Aided Diagnosis) आता है। इसे एक सुपर-स्मार्ट रोबोटिक मस्तिष्क के रूप में समझें जो जेली के ब्लॉक को देख सकता है और कह सकता है, "मुझे लगता है कि इसमें वायरस है," या "यह साफ लग रहा है।" पेचीदा हिस्सा यह है कि जेली पूरी तरह से आकार में नहीं है; स्लाइस कभी मोटे और कभी पतले होते हैं, जिससे मानक रोबोटिक मस्तिष्क के लिए पूरी तस्वीर को स्पष्ट रूप से देखना कठिन हो जाता है। यह शोध पत्र एक नए प्रकार के रोबोटिक मस्तिष्क के निर्माण के बारे में है जो विशेष रूप से इन अजीब आकार के डेटा ब्लॉक्स को संभालने के लिए डिज़ाइन किया गया है।
इस शोध पत्र के शोधकर्ता, जिनका नेतृत्व मसाहिरो ओडा और उनकी टीम कर रही थी, एक बेहतर तरीका बनाना चाहते थे जिससे कंप्यूटर स्वचालित रूप से उन सीटी स्कैन के बीच अंतर बता सके जिनमें संभवतः कोविड-19 है और जिनमें नहीं है। उन्होंने देखा कि अधिकांश मानक रोबोटिक मस्तिष्क (जिन्हें 3D CNN कहा जाता है) तब संघर्ष करते हैं जब सीटी स्कैन की "ब्रेड स्लाइस" असमान मोटाई की होती है। यह एक ऐसे सैंडविच को खाने की कोशिश करने जैसा है जहाँ ब्रेड एक तरफ मोटी और दूसरी तरफ कागज जैसी पतली है; एक सामान्य निवाला पूरे भरावन (filling) को पूरी तरह से मिस कर सकता है। इसे ठीक करने के लिए, उन्होंने एक "हाइब्रिड" रोबोटिक मस्तिष्क का आविष्कार किया। केवल पूरे 3D ब्लॉक को एक साथ देखने के बजाय, इस नए मस्तिष्क के पास एक विशेष ट्रिक है: यह एक ही समय में तीन अलग-अलग कोणों से ब्लॉक को देखता है—जैसे कि एक क्यूब को सामने, बगल और ऊपर से देखना। यह प्रत्येक कोण को अलग-अलग स्कैन करने के लिए सपाट, 2D आँखों का उपयोग करता है, जिससे वे विवरण पकड़े जा सकते हैं जिन्हें 3D आँख असमान स्लाइस की मोटाई के कारण मिस कर सकती है।
इन तीन अलग-अलग दृश्यों से सभी सुराग इकट्ठा करने के बाद, रोबोटिक मस्तिष्क उन्हें पूरी 3D आकृति की एक एकल, शक्तिशाली समझ में मिला देता है। फिर यह कुछ चतुर गणितीय ट्रिक्स का उपयोग करता है, जैसे कि "डाइलेटेड कन्वोल्यूशन" (जो सूक्ष्म विवरणों और बड़ी तस्वीर दोनों को देखने के लिए एक वाइड-एंगल लेंस की तरह काम करता है) और "डेंस पूलिंग कनेक्शन" (जो यह सुनिश्चित करते हैं कि कोई भी महत्वपूर्ण जानकारी इधर-उधर न खो जाए), ताकि यह अपना अंतिम निर्णय ले सके। टीम ने इस नए हाइब्रिड मस्तिष्क का परीक्षण 1,288 चेस्ट सीटी वॉल्यूम के डेटासेट पर किया। उन्होंने पाया कि उनके नए तरीके ने लगभग 83.3% बार सही उत्तर दिया। जब उन्होंने इसकी तुलना एक ऐसे रोबोटिक मस्तिष्क से की जिसमें इस विशेष तीन-कोण वाली ट्रिक का उपयोग नहीं किया गया था, तो हाइब्रिड संस्करण स्पष्ट रूप से बेहतर था, जिसने लगभग 79.5% सटीकता प्राप्त की। शोध पत्र सुझाव देता है कि इन असमान स्लाइसों को संभालने के लिए इन 2D आँखों का उपयोग करके, रोबोट अधिक प्रभावी ढंग से सीख सकता है, भले ही प्रशिक्षण के लिए बहुत अधिक डेटा उपलब्ध न हो। हालांकि लेखक यह उल्लेख करते हैं कि यह एक कदम आगे है, वे यह भी बताते हैं कि सिस्टम को और भी बेहतर बनाने और इसे एक पूर्ण उपकरण में बदलने के लिए भविष्य में और कार्य की आवश्यकता है जिसे डॉक्टर वायरस से लड़ने में मदद करने के लिए हर दिन उपयोग कर सकें।
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।