MoE-based Feature Adapter for Prompt-free Binary Coronary Artery Segmentation in X-ray Angiography

मानव हृदय के अंधेरे, तरल पदार्थ से भरे गलियारों में, डॉक्टर हृदय की मांसपेशियों तक रक्त ले जाने वाली संकरी, घुमावदार सड़कों को देखने के लिए एक विशेष प्रकार के एक्स-रे वीडियो पर भरोसा करते हैं। ये वीडियो, जिन्हें कोरोनरी एंजियोग्राम कहा जाता है, रुकावटों का निदान करने और जीवन रक्षक प्रक्रियाओं के मार्गदर्शन के लिए स्वर्ण मानक (गोल्ड स्टैंडर्ड) माने जाते हैं। हालाँकि, इन छवियों की व्याख्या करना बेहद कठिन है। नसें अक्सर मानव बाल जितनी पतली होती हैं, वे अप्रत्याशित रूप से मुड़ती और घूमती हैं, और वे अक्सर टूटी हुई या धुंधली दिखाई देती हैं क्योंकि कंट्रास्ट डाई हमेशा उन्हें पूरी तरह से नहीं भर पाती है। स्थिति को और खराब करने वाली बात यह है कि ये चित्र कैथेटर और गाइडवायर जैसे चिकित्सा उपकरणों की छायाओं से भरे होते हैं, जो बिल्कुल रक्त वाहिकाओं जैसे ही दिख सकते हैं। दशकों से, डॉक्टर इन रास्तों को मैन्युअल रूप से ट्रेस करते आए हैं, जो एक धीमी और थकाऊ प्रक्रिया है, जबकि कंप्यूटर उनके साथ तालमेल बिठाने के लिए संघर्ष करते रहे हैं। आर्टिफिशियल इंटेलिजेंस के लिए चुनौती यह रही है कि वह शोर और समान दिखने वाली वस्तुओं के भ्रमित करने वाले बैकग्राउंड से एक नाजुक, टूटी हुई वाहिका को पहचानना सीखे, एक ऐसा कार्य जिसके लिए कंप्यूटर को अत्यंत सटीक और असाधारण रूप से लचीला होना आवश्यक है।

शोधकर्ताओं ने हाल ही में इस समस्या को हल करने के लिए 'विज़न ट्रांसफार्मर' नामक एक उन्नत कंप्यूटर विज़न मॉडल की ओर रुख किया है। ये मॉडल किसी छवि के व्यापक परिदृश्य को समझने में उत्कृष्ट होते हैं, लेकिन जब मेडिकल स्कैन पर लागू किए जाते हैं, तो वे अक्सर डेटा की समझ को समायोजित करने के लिए एक एकल, निश्चित पद्धति पर निर्भर रहते हैं। यह एक ऐसे अनुवादक की तरह है जो हर वाक्य के लिए एक ही शब्दकोश का उपयोग करता है, चाहे संदर्भ किसी कानूनी अनुबंध का हो या प्रेम पत्र का। कोरोनरी एंजियोग्राम की जटिल दुनिया में, एक एकल दृष्टिकोण विफल हो जाता है क्योंकि एक वाहिका का स्वरूप एक फ्रेम से दूसरे फ्रेम में नाटकीय रूप रूप से बदल जाता है। कभी कोई वाहिका मोटी और चमकदार होती है; तो कभी वह पतली, धुंधली या तार (वायर) द्वारा ढकी होती है। इस अध्ययन के पीछे के शोधकर्ताओं ने महसूस किया कि इस विविधता को संभालने के लिए एक कठोर, 'एक ही आकार सबके लिए' (वन-साइज़-फिट्स-ऑल) वाला समायोजन पर्याप्त नहीं था। उन्होंने एक ऐसा सिस्टम बनाने का लक्ष्य रखा जो वास्तविक समय में अपनी रणनीति को बदल सके, और जो देख रहा है उसके आधार पर छवि की व्याख्या करने का सबसे अच्छा तरीका चुन सके।

लिन शी और यिंगलियांग मा के नेतृत्व वाली टीम ने एक नया तरीका प्रस्तावित किया है जो एक एकल सामान्य विशेषज्ञ के बजाय विशेषज्ञों की एक टीम की तरह कार्य करता है। उन्होंने मौजूदा कुशल कंप्यूटर मॉडलों पर आधारित एक नया घटक जिसे "मिक्सचर-ऑफ-एक्सपर्ट्स" अडैप्टर कहा जाता है, जोड़कर इसे विकसित किया। एक कंट्रोल रूम की कल्पना करें जहाँ एक मैनेजर एक जटिल छवि प्राप्त करता है और उसे तय करना होता है कि उसे कई विशेष विशेषज्ञों में से किससे परामर्श लेना है। इस प्रणाली में, कंप्यूटर छवि को प्रोसेस करने के लिए केवल एक पथ का उपयोग नहीं करता है। इसके बजाय, इसमें विशेषज्ञों का एक छोटा समूह है, जो हल्के वजन वाले (लाइटवेट) "विशेषज्ञों" की तरह है, जिनमें से प्रत्येक को विभिन्न प्रकार की दृश्य चुनौतियों को संभालने के लिए प्रशिक्षित किया गया है। कुछ विशेषज्ञ विशेष रूप से पतली, धुंधली वाहिकाओं को खोजने में अच्छे हो सकते हैं, जबकि अन्य चिकित्सा उपकरणों की छायाओं को अनदेखा करने में बेहतर हो सकते हैं। जब कंप्यूटर एक्स-रे वीडियो के किसी विशिष्ट भाग को देखता है, तो एक 'रूटिंग मैकेनिज्म' मैनेजर की भूमिका निभाता है, जो स्थानीय विवरणों का विश्लेषण करता है और काम करने के लिए चार विशेषज्ञों के समूह में से दो सबसे प्रासंगिक विशेषज्ञों का चयन करता है। यह चयन प्रत्येक छवि के टुकड़े के लिए गतिशील रूप से होता है, जिससे सिस्टम को उस सूक्ष्मता के साथ अपनी समझ को परिष्कृत करने की अनुमति मिलती जो एक एकल, स्थिर मॉडल प्राप्त नहीं कर सकता। महत्वपूर्ण बात यह है कि यह प्रणाली बिना किसी अतिरिक्त निर्देश या मनुष्यों से मिलने वाले "प्रॉम्प्ट्स" के काम करती है; यह स्वयं वाहिकाओं को पहचानना सीख लेती है।

अपने विचार का परीक्षण करने के लिए, शोधकर्ताओं ने इस नई प्रणाली को कोरोनरी एंजियोग्राफी वीडियो के एक बड़े संग्रह पर लागू किया जिसे MOSXAV के रूप में जाना जाता है। उन्होंने अपने तरीके की तुलना U-Net और अन्य उन्नत ट्रांसफार्मर-आधारित प्रणालियों सहित कई स्थापित मॉडलों से की। परिणामों ने दिखाया कि उनका दृष्टिकोण श्रेष्ठ था। टेस्ट डेटा पर, उनके मॉडल ने यह मापने में उच्च स्कोर प्राप्त किया कि कंप्यूटर की रूपरेखा वास्तविक वाहिकाओं से कितनी अच्छी तरह मेल खाती है, और इसने अगले सर्वश्रेष्ठ तरीके को स्पष्ट अंतर से पीछे छोड़ दिया। यह विशेष रूप से धमनियों की उन छोटी, दूरस्थ शाखाओं को खोजने में सक्षम था जिन्हें अन्य मॉडल अक्सर छोड़ देते थे, जबकि यह बैकग्राउंड के शोर को रक्त वाहिकाओं के रूप में पहचानने से भी सावधान रहा। सिस्टम ने केवल प्रशिक्षण डेटा को याद नहीं किया; जब शोधकर्ताओं ने इसे दूसरे अस्पताल के वीडियो के एक पूरी तरह से अलग सेट, जिसे XACV के रूप में जाना जाता है, पर टेस्ट किया, तब भी इसने अन्य सभी तरीकों से बेहतर प्रदर्शन किया। यह सुझाव देता है कि सिस्टम ने वाहिकाओं को देखने का एक मजबूत तरीका सीखा है जो तब भी काम करता है जब इमेज क्वालिटी या उपकरण बदल जाते हैं।

यह अध्ययन पुष्टि करता है कि कंप्यूटर को विभिन्न रणनीतियों के बीच चयन करने की क्षमता देना मेडिकल इमेज विश्लेषण को बेहतर बनाने का एक शक्तिशाली तरीका है। विशेषज्ञों के एक छोटे से समूह के विशेष पथों का उपयोग करके जो केवल आवश्यकता पड़ने पर सक्रिय होते हैं, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया जो अत्यधिक सटीक और गणनात्मक रूप से कुशल है। निष्कर्ष बताते हैं कि यह लचीला दृष्टिकोण एक एकल, समान रणनीति पर निर्भर रहने वाले पिछले तरीकों की तुलना में मेडिकल इमेजिंग की अव्यवस्थित और अप्रत्याशित वास्तविकता को बेहतर ढंग से संभाल सकता है। हालांकि यह कार्य अभी अनुसंधान के चरण में है, यह एक ऐसे भविष्य की ओर संकेत करता है जहाँ कंप्यूटर डॉक्टरों की अधिक विश्वसनीयता के साथ सहायता कर सकते हैं, जिससे हृदय की धमनियों के जटिल और नाजुक नेटवर्क को उस स्पष्टता के साथ देखने में मदद मिल सकती है जो पहले कठिन था। दो अलग-अलग डेटासेट पर इस पद्धति की सफलता यह दर्शाती है कि यह हृदय रोग के विश्लेषण के लिए अधिक मजबूत उपकरणों की दिशा में एक आशाजनक कदम है, जो संभावित रूप से आने वाले वर्षों में बेहतर उपचार योजना और रोगी के परिणामों की ओर ले जा सकता है।