Non-symmetric integral geometry: alternative reconstruction procedure with dual Radon transform

किसी ठोस वस्तु को उसे काटे बिना उसके अंदर देखने की कल्पना करें। यह मेडिकल इमेजिंग की एक मौलिक चुनौती है, जहाँ सीटी (CT) स्कैनर जैसी मशीनें भीतर क्या है, इसका चित्र बनाने के लिए बाहर से हजारों माप लेती हैं। इस प्रक्रिया के पीछे का गणित, जिसे इंटीग्रल ज्योमेट्री (integral geometry) कहा जाता है, लंबे समय से एक विशिष्ट धारणा पर निर्भर रहा है: कि जिस तरह से हम ये माप एकत्र करते हैं, वह पूरी तरह से सममित (symmetrical) होता है। पारंपरिक सिद्धांत की आदर्श दुनिया में, स्कैनर एक वस्तु को हर संभव कोण से देख सकता है, जो घूर्णन के एक पूर्ण चक्र को कवर करता है, और इन पुनर्निर्माणों को समझने और गणना करने के लिए उपयोग किए जाने वाले गणितीय उपकरण इस पूर्ण संतुलन के कारण सुचारू रूप से कार्य करते हैं। दशकों तक, यह समरूपता ही वह आधार रही है जिससे वैज्ञानिकों ने इन पुनर्निर्माणों को समझा और समझा, जिससे वे कच्चे डेटा को मानव शरीर या भूवैज्ञानिक संरचनाओं की स्पष्ट तस्वीरों में बदलने में सक्षम हुए।

हालाँकि, वास्तविक दुनिया शायद ही कभी ऐसी पूर्ण समरूपता प्रदान करती है। कई व्यावहारिक स्थितियों में, हमारे द्वारा एकत्र किया गया डेटा अधूरा या प्रतिबंधित होता है। संभव है कि भौतिक बाधाओं के कारण स्कैनर एक पूर्ण चक्र तक न घूम सके, या जिस वस्तु का अध्ययन किया जा रहा है उसका आकार स्वाभाविक रूप से उन कोणों को सीमित करता हो जिनसे उसे देखा जा सकता है। जब माप कोणों की एक आंशिक सीमा तक सीमित होते हैं बजाय एक पूर्ण चक्र के, तो पुराने, सममित गणितीय नियम टूट जाते हैं। मानक विधियाँ, जो पूर्ण दृश्य (full view) मानकर चलती हैं, विफल होने लगती हैं या धुंधले, गलत परिणाम देने लगती हैं। यह शोधकर्ताओं के लिए एक कठिन समस्या पैदा करता है: जब आपके पास मौजूद डेटा स्वाभाविक रूप से असंतुलित है और पारंपरिक उपकरण अब फिट नहीं बैठते, तो आप एक स्पष्ट छवि का पुनर्निर्माण कैसे करते हैं?

एक शोधकर्ता ने अब इस समस्या को हल करने का एक नया तरीका प्रस्तावित किया है, जो इस कमी को अनदेखा करने के बजाय इसे अपनाने पर आधारित है। प्रतिबंधित डेटा को पुराने, सममित मॉडलों में जबरदस्ती फिट करने के बजाय, उन्होंने एक नया गणितीय ढांचा विकसित किया है जो विशेष रूप से इन अपूर्ण दृश्यों के साथ काम करता है। उनके दृष्टिकोण को, जिसे वे 'नॉन-सिमेट्रिक इंटीग्रल ज्योमेट्री' (non-symmetric integral geometry) कहते हैं, यह स्वीकार करने वाला बताया गया है कि जब एकीकरण माप (integration measure)—डेटा को जोड़ने का गणितीय तरीका—संतुलित नहीं होता है, तो पुनर्निर्माण के नियम बदल जाने चाहिए। उन्होंने पाया कि जब आप देखने के कोणों को सीमित करते हैं, तो डेटा को वापस एक छवि में बदलने की प्रक्रिया अधिक जटिल हो जाती है, लेकिन यह अधिक लचीली भी होती है। इस जटिलता को स्वीकार करके, उन्होंने संबंधों का एक नया सेट प्राप्त किया जो प्रतिबंधित कोणों से प्राप्त डेटा के बावजूद मूल वस्तु की सटीक बहाली (restoration) की अनुमति देता है।

उनकी खोज का मुख्य केंद्र इस बात में निहित है कि वे कच्चे मापों और अंतिम छवि के बीच के संबंध को कैसे संभालते हैं। पारंपरिक दृष्टिकोण में, डेटा एकत्र करने के विभिन्न कोणों और आंतरिक संरचना के बीच एक सीधा, सरल लिंक होता है। शोधकर्ता ने दिखाया कि जब देखने के कोण प्रतिबंधित होते हैं, तो यह लिंक दो भागों में विभाजित हो जाता है। एक भाग अपेक्षित व्यवहार करता है, जो मानक विधि के समान है, लेकिन एक दूसरा, अतिरिक्त पद (term) प्रकट होता है। यह अतिरिक्त पद कोई गलती या दोष नहीं है; यह एक आवश्यक सुधार है जो डेटा संग्रह की टूटी हुई समरूपता से सीधे उत्पन्न होता है। यह एक क्षतिपूर्ति कारक (compensating factor) के रूप में कार्य करता है जो छूटे हुए कोणों द्वारा छोड़ी गई रिक्तियों को भरता है, यह सुनिश्चित करता है कि अंतिम छवि मूल वस्तु के प्रति सच्ची बनी रहे। इस अतिरिक्त घटक के बिना, पुनर्निर्माण विकृत हो जाएगा, लेकिन इसके साथ, छवि को उच्च सटीकता (high fidelity) के साथ बहाल किया जा सकता है।

इस निष्कर्ष तक पहुँचने के लिए, शोधकर्ता ने 'फूरियर स्लाइस थ्योरम' (Fourier slice theorem) के गणितीय आधारों की जांच की, जो एक सिद्धांत है जो स्कैनर द्वारा एकत्र किए गए डेटा को वस्तु के आवृत्ति पैटर्न (frequency patterns) से जोड़ता है। एक आदर्श, सममित परिदृश्य में, यह संबंध सीधा होता है। हालाँकि, शोधकर्ता ने प्रदर्शित किया कि जब कोण सीमित होते हैं, तो यह संबंध अधिक जटिल हो जाता है। उन्होंने दिखाया कि छवि प्राप्त करने के लिए प्रक्रिया को उलटने (reversing) की मानक विधि अपर्याप्त है क्योंकि यह मानती है कि डेटा दिशाओं की एक पूर्ण श्रृंखला को कवर करता है। प्रतिबंधित डोमेन के गणित का सावधानीपूर्वक विश्लेषण करके, उन्होंने इस प्रमेय का एक सामान्यीकृत संस्करण (generalized version) निकाला जो छूटे हुए कोणों को ध्यान में रखता है। यह नया प्रमेय प्रकट करता है कि पुनर्निर्माण प्रक्रिया में असमिति (asymmetry) को संभालने के लिए एक विशिष्ट, जटिल समायोजन शामिल होना चाहिए, एक ऐसा विवरण जिसे मानक पाठ्यपुस्तकों में पहले अनदेखा किया गया था।

शोधकर्ता ने यह भी पता लगाया कि यह नई विधि 'डुअल रेडोन ट्रांसफॉर्म' (dual Radon transform) के साथ कैसे परस्पर क्रिया करती है, जो बिखरे हुए मापों को एक सुसंगत चित्र में संयोजित करने के लिए उपयोग किया जाने वाला एक उपकरण है। उन्होंने पाया कि इन मापों को संयोजित करने के मानक तरीके को नए, असममित पद को शामिल करने के लिए अपडेट करने की आवश्यकता है। यह अपडेट छवि पुनर्निर्माण के लिए एक अधिक मजबूत सूत्र का परिणाम देता है जो पूर्ण या आंशिक दोनों प्रकार के डेटा पर काम करता है। अध्ययन पुष्टि करता है कि समरूपता टूटने (symmetry breaking) से उत्पन्न जटिलता एक बाधा नहीं बल्कि एक विशेषता है जिसे हासिल किया जा सकता है। इस जटिलता को गणितीय मॉडल में शामिल करके, शोधकर्ता ने एक अधिक सार्वभौमिक उपकरण बनाया है जो वास्तविक दुनिया की अपूर्ण स्थितियों को संभाल सकता है।

यह कार्य सुझाव देता है कि छवि पुनर्निर्माण का भविष्य पूर्ण समरूपता की आदर्श धारणा से दूर जाने में निहित है। लेखक इस बात पर जोर देते हैं कि उनकी विधि उन व्यावहारिक अनुप्रयोगों के लिए विशेष रूप से उपयोगी है जहाँ वस्तुएं स्वाभाविक रूप से गैर-सममित हैं या जहाँ स्कैनिंग उपकरण की भौतिक सीमाएँ हैं। उनका तर्क है कि पारंपरिक विधियाँ, जो स्थान के विषम (odd) और सम (even) आयामों को अलग-अलग मानती हैं और पूर्ण कोणीय श्रेणियों पर निर्भर करती हैं, आधुनिक चुनौतियों के लिए बहुत कठोर हैं। अपूर्ण एकीकरण मापों को स्वीकार करने वाले ढांचे की ओर स्थानांतरित होकर, नया दृष्टिकोण देखने के अनकहे पहलुओं को देखने का एक अधिक सटीक और अनुकूलनीय तरीका प्रदान करता है। ये निष्कर्ष सीमित डेटा वाले परिदृश्यों में इमेज क्वालिटी को बेहतर बनाने के लिए एक ठोस गणितीय आधार प्रदान करते हैं, यह सुनिश्चित करते हुए कि निदान और खोज के लिए हम जिन चित्रों पर भरोसा करते हैं, वे यथासंभव स्पष्ट और विश्वसनीय हों।