Automatic pain face analysis in mice: Applied to a varied dataset with non-standardized conditions
यह अध्ययन एक विशाल, विविध डेटासेट पर प्रशिक्षित एक डीप लर्निंग मॉडल प्रस्तुत करता है जो विभिन्न स्ट्रेन और स्थितियों में माउस ग्रिमस स्केल स्कोर का स्वचालित रूप से आकलन करने में मानव रेटर्स से बेहतर प्रदर्शन करता है, जो यह प्रदर्शित करता है कि गैर-मानकीकृत दर्द मूल्यांकन के लिए कई उपसमूहों को संयोजित करना सबसे विश्वसनीय प्रदर्शन प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन आपका संदिग्ध एक छोटा सा चूहा है जो बोल नहीं सकता। रहस्य क्या है? क्या चूहा दर्द में है?
द दशकों से, वैज्ञानिक एक उपकरण का उपयोग करते आ रहे हैं जिसे माउस ग्रिमस स्केल (MGS) कहा जाता है। यह चूहों के लिए एक "दर्द इमोजी" चार्ट की तरह है। यदि चूहा दर्द में है, तो उसका चेहरा पांच विशिष्ट तरीकों से बदल जाता है: उसकी आँखें कसकर सिकुड़ जाती हैं, उसकी नाक और गाल फूल जाते हैं, उसके कान बाहर की ओर निकल आते हैं, और उसकी मूंछें सीधी हो जाती हैं या पीछे की ओर मुड़ जाती हैं।
आमतौर पर, एक इंसान को चूहे की फोटो देखनी पड़ती है और इन बदलावों को मैन्युअल रूप से स्कोर करना पड़ता है। लेकिन इंसान थक सकते हैं, वे पक्षपाती हो सकते हैं, और वे 24 घंटे चूहे को नहीं देख सकते। इसके अलावा, यदि कोई इंसान कमरे में आता है, तो चूहा डर सकता है और अपने दर्द को छिपा सकता है, ठीक वैसे ही जैसे कोई बच्चा माता-पिता के आने पर रोना बंद कर देता है।
समस्या: "एक ही आकार सबके लिए" वाली विफलता
वैज्ञानिकों ने इस काम को स्वचालित रूप से करने के लिए एक कंप्यूटर प्रोग्राम (एक AI) बनाने की कोशिश की। लेकिन समस्या यह थी कि अधिकांश AI प्रोग्राम उन छात्रों की तरह थे जिन्होंने केवल एक विशिष्ट परीक्षा के लिए पढ़ाई की थी।
- यदि आपने एक AI को चमकदार लैब में काले चूहों पर प्रशिक्षित किया, तो वह सफेद चूहे या धुंधले पिंजरे में दिखने वाले चूहे को देखकर बुरी तरह विफल हो जाएगा।
- यदि इसने उन चूहों से सीखा जिन्हें सर्जरी हुई थी, तो यह उन चूहों के मामले में भ्रमित हो सकता है जिनका केवल रक्त परीक्षण हुआ था।
- वास्तविक दुनिया अव्यवस्थित है। चूहे अलग-अलग रंगों (काले, सफेद, भूरे) के होते हैं, अलग-अलग पिंजरों में रहते हैं, और उन्हें अलग-अलग कैमरों से फिल्माया जाता है। AI इन चरों से भ्रमित हो रहा था, जैसे कि एक शेफ जो केवल एक विशिष्ट ब्रांड के चूल्हे के साथ खाना बनाना जानता हो और दूसरे चूल्हा मिलने पर असफल हो जाए।
समाधान: "सुपर-स्टूडेंट" AI
यह शोध पत्र एक विशाल नए प्रोजेक्ट को पेश करता है जिसे एक "सुपर-स्टूडेंट" AI बनाने के लिए डिज़ाइन किया गया है जो किसी भी स्थिति को संभाल सके।
- विशाल लाइब्रेरी: कुछ सौ तस्वीरों को देखने के बजाय, शोधकर्ताओं ने पांच अलग-अलग प्रयोगशालाओं से 35,000 छवियों की एक लाइब्रेरी एकत्र की। इन छवियों में विभिन्न नस्लों, विभिन्न फर के रंगों, विभिन्न आयु और विभिन्न चिकित्सा उपचारों वाले चूहे शामिल हैं। यह ऐसा है जैसे किसी छात्र को केवल एक किताब नहीं, बल्कि हर किताब दिखाई जाए, जो अलग-अलग भाषाओं और शैलियों में लिखी गई हो।
- प्रशिक्षण पद्धति: उन्होंने केवल कंप्यूटर के सामने तस्वीरें नहीं फेंकीं। उन्होंने एक चतुर "दो-चरणीय" प्रशिक्षण पद्धति का उपयोग किया:
- चरण 1 (वार्म-अप): पहले, उन्होंने AI को एक सरल खेल सिखाया: "क्या यह चूहा दर्द में है या नहीं?" (हाँ/नहीं)। इससे AI ने दर्द में डूबे चूहे के सामान्य "अहसास" (vibe) को पहचानना सीखा।
- चरण 2 (परीक्षा): एक बार जब AI बुनियादी बातें समझ गया, तो उन्होंने उसे कठिन गणित सिखाया: "मुझे 0 से 2 के पैमाने पर एक विशिष्ट स्कोर दें कि वह कितने दर्द में है।"
- परिणाम: AI अविश्वसनीय रूप से अच्छा हो गया। जब इसे नए, अनदेखे चूहों पर परखा गया, तो इसने 0 से 2 के पैमाने पर औसतन 0.26 की त्रुटि की।
- उपमा: कल्पना कीजिए कि एक मानव विशेषज्ञ कमरे के तापमान का अनुमान लगा रहा है। वे एक या दो डिग्री ऊपर-नीचे हो सकते हैं। यह AI वास्तव में औसत मानव विशेषज्ञ से अधिक सटीक था! यह मानव विशेषज्ञों के साथ 85% के स्तर पर सह-संबंध (correlate) रखता था, जो कि दो सबसे अच्छे दोस्तों के एक-दूसरे की बात को पूरा करने जैसा है।
"क्रॉस-ट्रेनिंग" का आश्चर्य
शोधकर्ताओं ने यह भी परीक्षण किया कि क्या उनका AI एक "क्रॉस-डेटासेट" चुनौती को संभाल सकता है। यह एक ऐसे छात्र को टेस्ट करने जैसा है जिसने न्यूयॉर्क में पढ़ाई की और अब उसे टोक्यो में टेस्ट किया जा रहा है।
- बुरी खबर: यदि आपने AI को केवल एक प्रकार के चूहे (जैसे, केवल काले चूहे) पर प्रशिक्षित किया, तो सफेद चूहा दिखाने पर वह संघर्ष करता है।
- अच्छी खबर: पांचों समूहों के संयुक्त मिश्रण पर प्रशिक्षित AI सबसे मजबूत था। इसने "शोर" (जैसे पिंजरे का रंग या फर) को अनदेखा करना और केवल "संकेत" (वास्तविक दर्द की अभिव्यक्ति) पर ध्यान केंद्रित करना सीख लिया।
- ट्विस्ट: दिलचस्प बात यह है कि AI केवल सबसे आसान विशेषता (सिकुड़ी हुई आँखें) पर ध्यान केंद्रित करके बेहतर नहीं हुआ। इसने वास्तव में बेहतर प्रदर्शन किया जब इसने पूरे चेहरे को देखा, ठीक वैसे ही जैसे एक इंसान करता है।
यह क्यों मायने रखता है
यह पशु कल्याण की दिशा में एक बड़ा कदम है।
- 24/7 निगरानी: एक इंसान द्वारा दिन में एक बार चूहे की जांच करने के बजाय, यह AI 24 घंटे चूहे को देख सकता है, यहाँ तक कि जब चूहा सो रहा हो या अंधेरे में हो (जब चूहे सबसे अधिक सक्रिय होते हैं)।
- तनाव मुक्त: चूहे को उसके घर के पिंजरे से बाहर निकालकर डरावने बॉक्स में रखने की आवश्यकता नहीं है। AI विश्लेषण सीधे उसके घर में कर सकता है, जिसका अर्थ है कि चूहा शांत रहता है और अपनी वास्तविक भावनाएं दिखाता है।
- बेहतर विज्ञान: यदि हम जानते हैं कि चूहा ठीक कब दर्द में है, तो हम उसका इलाज तेजी से कर सकते हैं, और हमें प्रयोगों से जो वैज्ञानिक डेटा मिलता है वह अधिक सटीक होता है क्योंकि दर्द परिणामों को प्रभावित नहीं करता है।
संक्षेप में
शोधकर्ताओं ने चूहे के चेहरों के लिए एक "यूनिवर्सल ट्रांसलेटर" बनाया है। कंप्यूटर को छवियों के एक विशाल और विविध आहार से खिलाकर, उन्होंने उसे दर्द की सार्वभौमिक भाषा समझने के लिए प्रशिक्षित किया, चाहे चूहे का रंग, आकार या वह जहाँ भी रहता हो, कुछ भी हो। यह हमारे इन छोटे प्रयोगशाला मित्रों की देखभाल करने का एक अधिक दयालु और वैज्ञानिक तरीका प्रदान करता 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।