Patient Pose Assessment Using a CT-Based Framework for Synthetic Data Generation
यह शोध पत्र स्वचालित रोगी मुद्रा मूल्यांकन (पोज़ असेसमेंट) के लिए एआई मॉडल को प्रशिक्षित करने हेतु सिंथेटिक डेप्थ इमेज और रेडियोग्राफ युग्मों को उत्पन्न करने के लिए एक सीटी-आधारित ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि 3,077 सिंथेटिक ऊपरी टखने के जोड़ के नमूनों पर प्रीट्रेनिंग करने से वास्तविक दुनिया के मुद्रा मूल्यांकन की सटीकता में 11 प्रतिशत अंक तक सुधार होता 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 फोटोग्राफर हैं जो अपने दोस्त के टखने (ankle) की एकदम सही तस्वीर लेने की कोशिश कर रहे हैं। यदि आपका दोस्त अपने पैर को थोड़ा सा भी गलत तरीके से घुमा देता है, तो फोटो धुंधली या बेकार आती है, और आपको उन्हें फिर से पोज़ देने के लिए कहना पड़ता है। चिकित्सा जगत में, यह "दोबारा प्रयास" (re-take) एक बड़ी बात है। हर बार जब किसी मरीज को हिलना पड़ता है और एक और एक्स-रे लेना पड़ता है, तो वे थोड़ा और रेडिएशन (विकिरण) प्राप्त करते हैं, और अस्पताल में अधिक समय और पैसा खर्च होता है। समस्या यह है कि एक्स-रे मशीनें तेज़ होती हैं, लेकिन मानवीय हाथ कभी-कभी कांप सकते हैं या थक सकते हैं, और खड़े होने का कोई सटीक नियम नहीं है। इसलिए, डॉक्टर एक "स्मार्ट सहायक" का सपना देख रहे थे जो एक्स-रे लेने से पहले मरीज को देख सके और कह सके, "हे, वह पैर बहुत ज्यादा मुड़ा हुआ है! आइए इसे पहले ठीक करते हैं।"
इस स्मार्ट सहायक को बनाने के लिए, आपको एक शिक्षक की आवश्यकता है। आर्टिफिशियल इंटेलिजेंस की दुनिया में, शिक्षक उदाहरणों का एक विशाल ढेर है: अच्छे पोज़ में पैरों की तस्वीरें और बुरे पोज़ में पैरों की तस्वीरें, साथ ही एक ग्रेड (अंक) कि परिणामी एक्स-रे कितना "नैदानिक" (उपयोगी) होगा। लेकिन यहाँ एक पेंच है: आप कंप्यूटर को प्रशिक्षित करने के लिए वास्तविक मरीजों को जानबूझकर अजीब, बुरे पोज़ में खड़े होने के लिए नहीं कह सकते। यह अनैतिक और खतरनाक होगा। और अस्पताल में असली लोगों की तस्वीरें लेना गोपनीयता नियमों के कारण कठिन है। यह ऐसा है जैसे आप केवल एक मैनुअल पढ़कर कार चलाना सीखने की कोशिश कर रहे हों, लेकिन आपको वास्तविक कार में बैठने या स्टीयरिंग व्हील छूने की अनुमति नहीं है। आपको एक सुरक्षित, नकली वातावरण में अभ्यास करने के तरीके की आवश्यकता है जो बिल्कुल वास्तविक चीज़ जैसा महसूस हो।
यहीं से इस शोध पत्र की कहानी शुरू होती है। शोधकर्ताओं ने, मैनुअल लाउफर और उनकी टीम के नेतृत्व में, एक्स-रे के लिए एक "वर्चुअल ड्राइविंग सिम्युलेटर" बनाने का निर्णय लिया। वास्तविक लोगों को अपने टखने मरोड़ने के लिए कहने के बजाय, उन्होंने एक विशेष प्रकार के 3D स्कैन का उपयोग किया जिसे सीटी (CT) स्कैन कहा जाता है (जो शरीर के किसी अंग का एक अत्यंत विस्तृत 3D मानचित्र है) ताकि नकली मरीज बनाए जा सकें। उन्होंने एक कंप्यूटर प्रोग्राम लिखा जो इन 3D मानचित्रों को ले सकता था, आभासी टखनों को सैकड़ों अलग-अलग स्थितियों में घुमा सकता था, और फिर हर स्थिति के लिए एक नकली एक्स-रे और एक नकली डेप्थ फोटो (एक ऐसी तस्वीर जो दिखाती है कि चीजें कितनी दूर हैं) "शूट" कर सकता था। यह एक जादु적인 बक्से की तरह है जो बिना किसी वास्तविक व्यक्ति को रेडिएशन के संपर्क में लाए, हजारों अभ्यास परिदृश्य उत्पन्न कर सकता है।
टीम ने एक कंप्यूटर मस्तिष्क (न्यूरल नेटवर्क) को इन 3,077 नकली उदाहरणों का उपयोग करके सिखाया। उन्होंने कंप्यूटर से पूछा: "क्या आप डेप्थ फोटो को देखकर अनुमान लगा सकते हैं कि पोज़ अच्छा है या बुरा?" कंप्यूटर ने आश्चर्यजनक रूप से अच्छा सीखा। लेकिन असली जादू तब हुआ जब उन्होंने इस कंप्यूटर मस्तिष्क का वास्तविक डेटा पर परीक्षण किया। उन्होंने नकली दुनिया पर प्रशिक्षित किए गए मस्तिष्क को वास्तविक शवों (शारीरिक संरचनाओं) और यहाँ तक कि अस्पताल में जीवित लोगों की तस्वीरों को देखने दिया। परिणाम क्या रहा? नकली डेटा पर अभ्यास करने वाले इस कंप्यूटर मस्तिष्क ने वास्तविक दुनिया में खराब पोज़ को पहचानने में उस मस्तिष्क की तुलना में बहुत बेहतर प्रदर्शन किया जो शून्य से शुरू हुआ था। वास्तव में, उनके सिंथेटिक प्रशिक्षण डेटा का उपयोग करके, उन्होंने कंप्यूटर की सटीकता में 12 प्रतिशत अंकों तक सुधार किया।
यह शोध पत्र सुझाव देता है कि यह "आभासी अभ्यास" एक शक्तिशाली उपकरण है। यह सिद्ध करता है कि आप वास्तविक दुनिया की समस्याओं को हल करने के लिए एक कंप्यूटर-जनित दुनिया से सीख सकते हैं, भले ही आपके पास प्रशिक्षण के लिए पर्याप्त वास्तविक उदाहरण न हों। शोधकर्ताओं ने पाया कि हालांकि नकली डेटा पूर्ण नहीं था, फिर भी इसने AI को एक ऐसी बढ़त दी जिसने इसे वास्तविक दुनिया में मिलने पर बहुत अधिक स्मार्ट बना दिया। उन्होंने यह भी दिखाया कि यह दृष्टिकोण तब और भी बेहतर काम करता है जब आप AI को विशिष्ट कैमरा एंगल्स पर प्रशिक्षित करते हैं, ठीक वैसे ही जैसे एक फोटोग्राफर जो एक विशेष प्रकार के शॉट में विशेषज्ञता रखता है। हालांकि यह अध्ययन मुख्य रूप से ऊपरी टखने के जोड़ (upper ankle joint) पर और एक विशिष्ट अस्पताल के कमरे में किया गया था, विचार यह है कि इस पद्धति को अन्य शरीर के अंगों और अन्य अस्पतालों के लिए अनुकूलित किया जा सकता है। लेखक सावधानी बरतते हुए कहते हैं कि यह कल हर अस्पताल के लिए तैयार कोई अंतिम उत्पाद नहीं है, लेकिन यह एक बहुत मजबूत प्रमाण है कि यह "सिंथेटिक ट्रेनिंग" का विचार वास्तव में काम करता है और भविष्य में मरीजों को अनावश्यक रेडिएशन से बचाने में मदद कर सकता 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।