A Deep RL based Framework for Targeted White Matter Tractography

कल्पना कीजिए कि आप एक शहर के जटिल वायरिंग का नक्शा बनाने की कोशिश कर रहे हैं, लेकिन सड़कों और इमारतों के बजाय, आप अरबों छोटी, घुमावदार तारों से बने एक घने, कोहरे से भरे जंगल में रास्ता खोज रहे हैं। वैज्ञानिक मानव मस्तिष्क का अध्ययन करते समय यही करते हैं। मस्तिष्क की "वायरिंग" व्हाइट मैटर ट्रैक्ट्स (white matter tracts) से बनी होती है—फाइबर के ऐसे बंडल जो मन के विभिन्न क्षेत्रों को जोड़ने वाले सूचना सुपरहाइवे के रूप में कार्य करते हैं। इन अदृश्य सड़कों को देखने के लिए, शोधकर्ता डिफ्यूजन एमआरआई (Diffusion MRI) नामक एक विशेष प्रकार के कैमरे का उपयोग करते हैं। इस कैमरे को केवल फोटो लेने वाले उपकरण के रूप में नहीं, बल्कि मस्तिष्क के भीतर पानी के अणुओं के उछलने की आवाज़ सुनने वाले यंत्र के रूप में सोचें। मस्तिष्क के खुले स्थानों में, पानी हर तरफ उछलता है (जैसे खाली कमरे में एक गेंद), लेकिन फाइबर बंडलों के अंदर, पानी तारों की लंबाई के साथ फिसलने के लिए मजबूर होता है, जैसे एक गलियारे में लुढ़कती हुई गेंद। इस दिशात्मक प्रवाह को सुनकर, वैज्ञानिक तारों के पथ का पता लगाने का प्रयास कर सकते हैं।

हालाँकि, इन पथों का पता लगाना अविश्वसनीय रूप से कठिन है। यह एक ऐसी भूलभुलैया का नक्शा बनाने की कोशिश करने जैसा है जहाँ आप आँखों पर पट्टी बाँधकर काम कर रहे हैं और केवल एक कंपास का उपयोग कर रहे हैं जो कभी-कभी गलत दिशा दिखाता है। "कंपास" (एमआरआई डेटा) वहां भ्रमित हो सकता है जहाँ तार आपस में मिलते हैं, शाखाएं निकालते हैं, या फैल जाते हैं, जिससे दो मुख्य समस्याएं उत्पन्न होती हैं: नक्शा वास्तविक सड़कों को छोड़ सकता है (फॉल्स नेगेटिव/false negatives) या यह ऐसी सड़कें बना सकता है जो अस्तित्व में ही नहीं हैं (फॉल्स पॉजिटिव/false positives)। लंबे समय तक, कंप्यूटरों ने इसे सख्त नियमों का पालन करके या उन सटीक नक्शों से सीखकर हल करने की कोशिश की जो मनुष्यों द्वारा हाथ से बनाए गए थे। लेकिन मानव-निर्मित नक्शे अक्सर अपूर्ण होते हैं, और सख्त नियम मस्तिष्क की अव्यवस्थित वास्तविकता के लिए बहुत कठोर होते हैं। यहीं से इस शोध की कहानी शुरू होती है: कंप्यूटरों को एक बेहतर, अधिक लचीला तरीका खोजने के लिए प्रेरित करना जिससे वे बिना किसी सटीक नक्शे की नकल किए मस्तिष्क के जंगल में नेविगेट करना सीख सकें।

शोध का मिशन: एक रोबोट को मस्तिष्क में नेविगेट करना सिखाना

अंकिता जोशी द्वारा लिखित यह शोध पत्र, "A Deep RL based Framework for Targeted White Matter Tractography," कंप्यूटरों को ये मस्तिष्क मानचित्र बनाने में मदद करने का एक नया तरीका प्रस्तुत करता है। लेखिका का तर्क है कि कंप्यूटर को एक विशिष्ट पथ को याद करने या एक सख्त नियम पुस्तिका का पालन करने के लिए मजबूर करने के बजाय, हमें इसे एक जिज्ञासु खोजकर्ता बनना सिखाना चाहिए। यह शोध पत्र दो मुख्य उपकरण पेश करता है, जो "रीइन्फोर्समेंट लर्निंग" (RL) और "ट्रांसफॉर्मर" (विशेष रूप से GPT-आधारित मॉडल) नामक एक प्रकार के AI के चतुर संयोजन पर आधारित हैं।

पहला उपकरण: स्मार्ट नेविगेटर (Tract-RLFormer)
कल्पना कीजिए कि आप एक रोबोट को एक विशिष्ट जंगल (एक विशिष्ट ब्रेन ट्रैक्ट, जैसे कि "कॉर्पस कैलोसम") के माध्यम से चलना सिखा रहे हैं। अतीत में, आप शायद रोबोट को एक आदर्श यात्रा का वीडियो दिखाते और कहते, "इसकी नकल करो।" लेकिन क्या होगा यदि वीडियो हिलता हुआ या गलत हो? यह शोध पत्र एक अलग दृष्टिकोण का सुझाव देता है। पहले, रोबोट को नियमों का एक बुनियादी सेट (एक "लेवल-1" पॉलिसी) दिया जाता है और उसे जंगल की खोज करने, कदम उठाने और फीडबैक प्राप्त करने के लिए कहा जाता है। यदि वह पथ पर रहता है, तो उसे एक "पुरस्कार" (reward) मिलता है; यदि वह भटक जाता है, तो उसे "ना" मिलता है।

एक बार जब रोबोट हजारों कदम उठा लेता है और अनुभवों का एक संग्रह (कुछ अच्छे, कुछ बुरे) एकत्र कर लेता है, तो यह शोध पत्र एक "स्मार्ट नेविगेटर" (Tract-RLFormer) पेश करता है। यह नेविगेटर एक अत्यंत बुद्धिमान छात्र की तरह है जो रोबोट की अनुभवों की डायरी पढ़ता है। यह केवल रोबोट की नकल नहीं करता; यह एक अच्छी यात्रा के 'पैटर्न' को समझता है। यह कदमों के अनुक्रम (sequence) को समझने के लिए एक ट्रांसफॉर्मर मॉडल का उपयोग करता है (वही तकनीक जो उन्नत चैटबॉट्स को शक्ति देती है)। नेविगेटर को पहले कई अलग-अलग जंगलों पर सामान्य चलने के कौशल सीखने के लिए प्रशिक्षित किया जाता है, और फिर इसे केवल एक विशिष्ट जंगल में महारत हासिल करने के लिए "फाइन-ट्यून" किया जाता है। परिणाम? एक ऐसा रोबोट जो किसी भी सटीक मानव-निर्मित नक्शे की नकल किए बिना, पहले की तुलना में बहुत अधिक सटीकता के साथ एक विशिष्ट ब्रेन ट्रैक्ट का पथ बना सकता है।

दूसरा उपकरण: विशेषज्ञों की टीम (TractRLFusion)
शोध पत्र ने यह भी देखा कि विभिन्न प्रकार के रोबोटों की अलग-अलग ताकत होती है। कुछ रोबोट बहुत सावधान होते हैं और शायद ही कभी गलतियाँ करते हैं, लेकिन वे बहुत सतर्क हो सकते हैं और पथ के कुछ हिस्सों को छोड़ सकते हैं (जैसे कि एक रोबोट जो कोहरे के पहले संकेत पर रुक जाता है)। अन्य रोबोट बहुत साहसी होते हैं और हर जगह खोजबीन करते हैं, लेकिन वे काल्पनिक पथों में भटक सकते हैं (जैसे कि एक रोबोट जो बहुत उत्साहित होकर पेड़ों से टकरा जाता है)।

इसे ठीक करने के लिए, लेखिका ने "TractRLFusion" नामक एक "टीम ऑफ एक्सपर्ट्स" फ्रेमवर्क बनाया। केवल एक रोबोट पर निर्भर रहने के बजाय, यह प्रणाली तीन अलग-अलग प्रकार के रोबोटों के सर्वोत्तम अनुभवों को एकत्रित करती है: एक जो सावधान है (TD3), एक जो साहसी है (SAC), और एक जो बीच का मार्ग अपनाता है (DDPG)। यह प्रणाली एक बुद्धिमान संपादक की तरह कार्य करती है, जो प्रत्येक रोबोट की डायरी से सर्वोत्तम चरणों का चयन करके एक एकल, अत्यंत स्मार्ट "फ्यूजन पॉलिसी" (Fusion Policy) बनाती है। यह एक सुरक्षा निरीक्षक की सावधानी, एक खोजकर्ता की जिज्ञासा और एक राजनयिक के संतुलन को मिलाकर एक आदर्श मार्गदर्शक बनाने जैसा है। यह "FusionNet" एक पथ को छोड़ने और एक नकली पथ बनाने के बीच के संतुलन को सीखना सीखता है, जिसके परिणामस्वरूप एक ऐसा नक्शा मिलता है जो पूर्ण भी है और सटीक भी।

उन्होंने क्या पाया और किसे खारिज किया
शोधकर्ताओं ने सिंथेटिक (कंप्यूटर-जनरेटेड जंगल) और वास्तविक मानव मस्तिष्क स्कैन सहित कई अलग-अलग मस्तिष्क डेटासेट्स पर इन नए उपकरणों का परीक्षण किया। उन्होंने पाया कि उनके नए तरीके पुराने तकनीकों की तुलना में लगातार बेहतर मानचित्र तैयार करते हैं। विशेष रूप से, उन्होंने दिखाया कि उनका "स्मार्ट नेविगेटर" और "टीम ऑफ एक्सपर्ट्स" उच्च सटीकता के साथ सात प्रमुख ब्रेन ट्रैक्ट्स के पथों को बना सकते हैं, यहाँ तक कि एक डेटासेट से दूसरे में जाने पर भी (जो उनकी सामान्यीकरण क्षमता को सिद्ध करता है)।

महत्वपूर्ण रूप से, यह शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि हमें इन प्रणालियों को प्रशिक्षित करने के लिए "ग्राउंड ट्रुथ" (पूर्ण, मानव-सत्यापित नक्शों) की आवश्यकता है। लेखिका का तर्क है कि मानव-निर्मित नक्शों पर निर्भर रहना एक मृत अंत है क्योंकि वे नक्शे अक्सर अविश्वसनीय या अनुपलब्ध होते हैं। इसके बजाय, उन्होंने सिद्ध किया कि AI केवल MRI डेटा के साथ बातचीत करके और अपनी नीतियों को परिष्कृत करके प्रभावी ढंग से सीख सकता है। उन्होंने यह भी पाया कि केवल विभिन्न रोबोटों के निर्णयों को जोड़ना (जैसे कि वोटिंग) उनके उस तरीके जितना अच्छा नहीं था जिसमें सभी रोबोटों के डेटा से सीखा जाता है।

वे कितने आश्वस्त हैं?
लेखिका अपने परिणामों को लेकर काफी आश्वस्त हैं, जिसे TractoInferno, HCP और ISMRM जैसे सार्वजनिक डेटासेट्स पर व्यापक परीक्षण का समर्थन प्राप्त है। उन्होंने केवल शून्य में इसका सिमुलेशन नहीं किया; उन्होंने "डाइस स्कोर" (यह मापने का पैमाना कि नया नक्शा ज्ञात ग्राउंड ट्रुथ के साथ कितना मेल खाता है) और "ओवररीच" (कितना नक्शा भटक जाता है) जैसे मानक मेट्रिक्स का उपयोग करके परिणामों को मापा। उनके आंकड़े दिखाते हैं कि उनके तरीके मौजूदा अत्याधुनिक तकनीकों से बेहतर प्रदर्शन करते हैं, विशेष रूप से नकली पथों को कम करने में जबकि पूर्ण लंबाई के ट्रैक्ट्स को पकड़ने में। हालाँकि, वे स्वीकार करते हैं कि जबकि उनकी विधि एक महत्वपूर्ण प्रगति है, यह कोई जादुई समाधान नहीं है जो मस्तिष्क इमेजिंग की हर समस्या को हल कर दे। वे सुझाव देते हैं कि भविष्य के कार्य उन मस्तिष्क पर लागू किए जा सकते हैं जिनमें बीमारियाँ या घाव (lesions) हैं, जहाँ "जंगल" क्षतिग्रस्त या विकृत हो सकता है जैसा कि उन्होंने अभी तक परीक्षण नहीं किया है।

संक्षेप में, यह शोध पत्र कंप्यूटरों को मस्तिष्क की जटिल वायरिंग में नेविगेट करना सिखाने का एक मनोरंजक लेकिन शक्तिशाली नया तरीका प्रदान करता है, जो कठोर नियमों और अपूर्ण मानव नक्शों से हटकर एक ऐसी प्रणाली की ओर बढ़ता है जो सीखती है, अनुकूलित होती है और मस्तिष्क की वास्तविक संरचना को प्रकट करने के लिए कई रणनीतियों का मेल करती है।