An interpretable deep learning framework for classifying neuronal morphologies using topology and graph neural networks

कल्पना कीजिए कि आप हाथ से बने अद्वितीय पेड़ों के एक विशाल ढेर को छांटने की कोशिश कर रहे हैं। कुछ की शाखाएं प्रेट्ज़ेल (pretzels) की तरह मुड़ी हुई हैं, कुछ सीधे और लंबे खड़े हैं, और कुछ छतरियों की तरह फैले हुए हैं। तंत्रिका विज्ञान (neuroscience) की दुनिया में, ये "पेड़" न्यूरॉन्स हैं, और इनका आकार महत्वपूर्ण है क्योंकि एक न्यूरॉन का आकार यह निर्धारित करता है कि वह सूचना को कैसे संसाधित (process) करता है।

समस्या यह है कि इन न्यूरॉन्स को छांटना वैसा ही रहा है जैसे लोगों के एक समूह से केवल एक धुंधली फोटो देखकर कुत्ते की नस्ल पहचानने को कहना। कुछ विशेषज्ञ कहते हैं, "यह एक गोल्डन रिट्रीवर है," जबकि अन्य कहते हैं, "नहीं, यह एक लैब है।" यह व्यक्तिपरक (subjective), असंगत और यह साबित करना कठिन है कि कौन सही है। दूसरों ने पेड़ के विशिष्ट हिस्सों (जैसे कि एक शाखा की लंबाई) को मापने की कोशिश की है, लेकिन यह किसी व्यक्ति को केवल उसके जूते के आकार से पहचानने जैसा है—यह बड़ी तस्वीर को छोड़ देता है।

नया समाधान: एक "सुपर-सॉर्ट" मशीन

यह शोध पत्र एक नया, स्मार्ट कंप्यूटर सिस्टम पेश करता है जिसे इन न्यूरोनल "पेड़ों" को निष्पक्ष और स्पष्ट रूप से छांटने के लिए डिज़ाइन किया गया है। इसे एक जासूस के रूप में सोचें जो हर न्यूरॉन की जांच करने के लिए तीन अलग-अलग आवर्धक लेंसों (magnifying glasses) का उपयोग करता है:

1. टोपोलॉजी लेंस (The Topology Lens): यह पेड़ के "कंकाल" को देखता है। यह सटीक घुमावों को अनदेखा करता है और बड़ी तस्वीर पर ध्यान केंद्रित करता है: मुख्य शाखाएं कितनी हैं? क्या वे वापस खुद पर लूप बनाती हैं? यह एक सबवे मानचित्र को देखने जैसा है ताकि रेखाओं की समग्र संरचना देखी जा सके, विशिष्ट स्टेशनों को अनदेखा किया जा सके।
2. ग्राफ लेंस (The Graph Lens): यह न्यूरॉन को एक सोशल नेटवर्क की तरह मानता है। यह देखता है कि शाखाएं आपस में कैसे जुड़ती हैं। कौन किससे बात कर रहा है? यह कोशिका के विभिन्न हिस्सों के बीच संबंधों का मानचित्र बनाता है।
3. पारंपरिक लेंस (The Traditional Lens): यह पुराना तरीका है, जिसमें लकड़ी के टुकड़े को मापने वाले बढ़ई की तरह विशिष्ट दूरियों और कोणों को मापा जाता है।

यह कैसे काम करता है

इनमें से केवल एक दृष्टिकोण पर निर्भर रहने के बजाय, यह प्रणाली इन तीनों को जोड़ती है। यह विशेषज्ञों की एक टीम की तरह है जहाँ एक मानचित्र-पाठक है, एक संबंध परामर्शदाता (relationship counselor) है, और एक बढ़ई है। वे सभी एक ही न्यूरॉन को देखते हैं और इस बात पर वोट देते हैं कि वह किस प्रकार का है।

इस शोध पत्र ने इस प्रणाली का परीक्षण उन मानव विशेषज्ञों के समूह के विरुद्ध किया है जिन्होंने पहले ही हजारों न्यूरॉन्स को लेबल किया था। परिणाम? कंप्यूटर ने मनुष्यों की सटीकता से लगभग पूरी तरह से मेल खाया। यह सिद्ध करता है कि एक न्यूरॉन के "व्यक्तित्व" (इसके प्रकार) को वास्तव में समझने के लिए, आपको इसके समग्र आकार (वैश्विक संरचना) और इसकी छोटी शाखाओं के जुड़ाव (स्थानीय विवरण) दोनों को देखना आवश्यक है।

"क्या" के पीछे का "क्यों"

आमतौर पर, डीप लर्निंग कंप्यूटर "ब्लैक बॉक्स" की तरह होते हैं: आप डेटा डालते हैं, और एक लेबल बाहर आता है, लेकिन आपको पता नहीं चलता कि कंप्यूटर ने वह चुनाव क्यों किया। यह शोध पत्र की प्रणाली अलग है। यह एक "व्याख्यात्मक मैनुअल" के साथ आता है।

"एक्सप्लेनेबल एआई" (explainable AI) नामक एक विशेष उपकरण का उपयोग करते हुए, यह प्रणाली उस सटीक शाखा या संबंध की ओर इशारा कर सकती है जिसने इसे यह तय करने के लिए प्रेरित किया कि, "यह टाइप A न्यूरॉन है।" यह एक शिक्षक की तरह है जो न केवल आपको परीक्षा में सही उत्तर देता है, बल्कि उस विशिष्ट वाक्य को भी हाईलाइट करता है जो यह साबित करता है कि उत्तर सही है। यह कंप्यूटर के गणित और न्यूरोसाइंटिस्ट की जीव विज्ञान की समझ के बीच के अंतर को पाटता है।

निष्कर्ष (The Bottom Line)

लेखकों ने एक ओपन-सोर्स, पारदर्शी उपकरण बनाया है जो न्यूरॉन्स को वस्तुनिष्ठ रूप से छांटता है। गणित, नेटवर्क और पारंपरिक मापों को जोड़कर, उन्होंने न्यूरोनल आकारों के लिए एक "रोसेटा स्टोन" (Rosetta Stone) बनाया है। यह वैज्ञानिकों को विभिन्न प्रयोगशालाओं या यहाँ तक कि विभिन्न प्रजातियों के न्यूरॉन्स की तुलना आत्मविश्वास के साथ करने की अनुमति देता है, यह जानते हुए कि वे सभी एक ही, स्पष्ट नियमों का उपयोग कर रहे हैं कि क्या चीज़ एक कोशिका को अद्वितीय बनाती है।