BioDeformUNet: A Deep Learning Model for Biomechanically Informed Liver Image Registration
BioDeformUNet एक डीप लर्निंग मॉडल है जो पारंपरिक बायोमैकेनिकल एल्गोरिदम के समान सटीकता के साथ लगभग वास्तविक समय में, बायोमैकेनिकल रूप से सूचित लिवर इमेज रजिस्ट्रेशन प्राप्त करता है, जो न्यूनतम एब्लेटिव मार्जिन के कुशल इंट्रा-प्रोसीजरल मूल्यांकन को सुगम बनाने के लिए इन्फरेंस समय में 34 गुना की गति वृद्धि 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 टैंक में तैरती हुई जेलीफिश की एक बेहतरीन फोटो खींचने की कोशिश कर रहे हैं। यदि आप एक तस्वीर खींचते हैं, फिर जेलीफिश हिलती है और अपना आकार बदल लेती है, और फिर आप दूसरी तस्वीर खींचते हैं, तो वे दो तस्वीरें आपस में मेल नहीं खाएंगी। अब, कल्पना कीजिए कि वह जेलीफिश वास्तव में एक मानव यकृत (लिवर) है, और कैमरे के बजाय, डॉक्टर उपचार से पहले और बाद के चित्र लेने के लिए विशेष सीटी स्कैनर का उपयोग कर रहे हैं। समस्या यह है कि लिवर लचीला होता है और बहुत अधिक इधर-उधर घूमता है, खासकर जब डॉक्टर सुई से उसे चुभाकर ट्यूमर को जलाने (बर्न करने) की कोशिश करते हैं। यह सुनिश्चित करने के लिए कि उपचार सही जगह पर हो और ट्यूमर को मिस न हो या स्वस्थ ऊतकों को नुकसान न पहुंचे, डॉक्टरों को यह जानने की आवश्यकता है कि दो तस्वीरों के बीच लिवर ने ठीक से कैसे खिंचाव लिया या अपना आकार बदला।
यहीं पर "इमेज रजिस्ट्रेशन" काम आता है। इसे एक डिजिटल जादू की तरह समझें जहाँ एक कंप्यूटर पहली तस्वीर को तब तक खींचने और मोड़ने की कोशिश करता है जब तक कि वह दूसरी तस्वीर से पूरी तरह मेल न खा जाए, जिससे लिवर के हर छोटे हिस्से के हिलने का एक नक्शा तैयार हो जाता है। लंबे समय तक, इसे करने का सबसे अच्छा तरीका कंप्यूटर के भीतर लिवरल का एक जटिल, 3D मिट्टी का मॉडल बनाना और यह देखने के लिए भौतिकी सिमुलेशन चलाना था कि वह कैसे मुड़ता है। यह बहुत सटीक था, लेकिन यह बहुत धीमा था, जैसे पानी के उबलने का इंतज़ार करना। हाल ही में, वैज्ञानिकों ने "डीप लर्निंग" का उपयोग करना शुरू किया है, जो आर्टिफिशियल इंटेलिजेंस का एक प्रकार है जो हजारों उदाहरणों को देखकर सीखता है, इस उम्मीद में कि यह मिलान की प्रक्रिया को एक फोटो खींचने जितना तेज़ बना देगा। लेकिन एक पेंच है: अधिकांश AI मॉडल केवल चित्रों को समान दिखाने की कोशिश करते हैं, इस बात को नज़रअंदाज़ करते हुए कि वास्तविक अंगों के मुड़ने के कुछ नियम होते हैं। यह शोध पत्र एक बड़ा सवाल पूछता है: क्या हम एक AI को तेज़ होने के साथ-साथ एक लचीले लिवर के भौतिक विज्ञान (फिजिक्स) को समझने के लिए सिखा सकते हैं, ताकि वह डॉक्टरों की वास्तविक समय (रियल-टाइम) में मदद कर सके?
इन शोधकर्ताओं ने, जिनका नेतृत्व एमडी एंडरसन कैंसर सेंटर में सिन्यू (Xinyue) झांग और उनकी टीम द्वारा किया गया था, एक नया AI मॉडल बनाया जिसे BioDeformUNet कहा जाता है। उनका लक्ष्य एक ऐसा सिस्टम बनाना था जो लगभग वास्तविक समय में भविष्यवाणी कर सके कि लिवर कैसे विकृत होता है, जिससे डॉक्टरों को यह जांचने में मदद मिल सके कि उन्होंने स्वस्थ ऊतकों के सुरक्षित मार्जिन के साथ सफलतापूर्वक ट्यूमर को जला दिया है या नहीं।
अपने AI को सिखाने के लिए, टीम ने केवल उसे तस्वीरें दिखाकर यह नहीं कहा कि "इन्हें एक जैसा बनाओ।" इसके बजाय, उन्होंने एक "शिक्षक" का उपयोग किया जो पहले से ही इस काम में बहुत माहिर था: एक बायोमैकेनिकल मॉडल जिसे Morfeus कहा जाता है। Morfeus एक अत्यंत सटीक भौतिकी इंजन की तरह है जो भौतिकी के नियमों के आधार पर गणना करता है कि लिवर कैसे हिलता है, लेकिन इसे छवियों के एक जोड़े के लिए गणित करने में लगभग 20 सेकंड का समय लगता है। टीम ने 157 रोगियों के 170 लिवर स्कैन के जोड़ों के लिए "सही" उत्तर (विकृति मानचित्र) उत्पन्न करने के लिए Morfeus का उपयोग किया। फिर उन्होंने BioDeformUNet को इन उत्तरों की नकल करने के लिए प्रशिक्षित किया, जो अनिवार्य रूप से AI को एक भौतिक विज्ञानी की तरह सोचने और एक वीडियो गेम के पात्र की तरह चलने के लिए सिखा रहा था।
परिणाम प्रभावशाली थे। जब उन्होंने नए AI का परीक्षण किया, तो इसने भौतिकी-आधारित शिक्षक की लगभग उतनी ही सटीकता के साथ लिवर की गति की भविष्यवाणी की। ट्यूमर के स्थान को खोजने में औसत त्रुटि लगभग 1.84 मिमी थी, जो स्कैन के एक सिंगल पिक्सेल के आकार से भी कम है। जब उन्होंने पूरे लिवर को देखा, तो AI की भविष्यवाणी उन लगभग 91.9% छोटे 3D ब्लॉकों (वॉक्सेल्स) के लिए "सही" भौतिकी उत्तर के भीतर थी जो छवि बनाते हैं।
हालाँकि, असली जादू इसकी गति थी। जबकि भौतिकी-आधारित शिक्षक (Morfeus) को गति की गणना करने में औसतन 20.2 सेकंड लगे, BioDeformUNet ने वही काम केवल 0.6 सेकंड में कर दिया। यह 34 गुना तेज़ है। इसे समझने के लिए, यदि Morfeus को कॉफी बनाने में लगने वाला समय लगता, तो BioDeformUNet आपके केतली उठाने से पहले ही काम पूरा कर लेता।
टीम ने अपने मॉडल की तुलना दो अन्य लोकप्रिय AI विधियों, VoxelMorph और VFA से भी की। उन्होंने पाया कि जबकि VoxelMorph लिवर के समग्र आकार को मिलाने में बहुत अच्छा था, लेकिन कभी-कभी यह विशिष्ट विवरणों, जैसे ट्यूमर की सटीक स्थिति में गलती कर देता था। VFA तेज़ था और विशिष्ट लैंडमार्क्स को खोजने में अच्छा था, लेकिन यह कभी-कभी लिवर के आकार को बहुत अधिक विकृत कर देता था, जिससे ट्यूमर ऐसा लगता था जैसे वह सिकुड़ गया हो या बढ़ गया हो, जबकि वास्तव में ऐसा नहीं हुआ था। दूसरी ओर, BioDeformUNet ने एक आदर्श संतुलन बनाया: इसने लिवर के आकार को यथार्थवादी रखा, ट्यूमर के आकार को सुरक्षित रखा और स्थान को सटीक रूप से पहचाना, और वह भी अविश्वसनीय रूप से तेज़ गति के साथ।
एक महत्वपूर्ण परीक्षण यह था कि मॉडल "मिनिमल एब्लेटिव मार्जिन" (MAM) की गणना करने में कितना सक्षम था, जो ट्यूमर के किनारे और जले हुए क्षेत्र के किनारे के बीच की दूरी है। यह महत्वपूर्ण है क्योंकि यदि मार्जिन बहुत छोटा है, तो कैंसर वापस आ सकता है। अध्ययन से पता चला कि BioDeformUNet द्वारा इस मार्जिन की गणना अन्य AI विधियों की तुलना में "गोल्ड स्टैंडर्ड" भौतिकी मॉडल के बहुत करीब थी। मार्जिन माप में अंतर औसतन केवल 0.4 मिमी था, जबकि अन्य विधियों में यह 0.7 मिमी था।
संक्षेप में, यह शोध पत्र सुझाव देता है कि केवल पिक्सेल रंगों को मिलाने के बजाय भौतिकी-आधारित मॉडल से सीखने के लिए AI को सिखाकर, हम सबसे अच्छे दोनों दुनियाओं को प्राप्त कर सकते हैं: जटिल भौतिकी सिमुलेशन की उच्च सटीकता और आधुनिक आर्टिफिशियल इंटेलिजेंस की बिजली जैसी गति। हालाँकि लेखक नोट करते हैं कि यह एक रेट्रोस्पेक्टिव अध्ययन (पुराने डेटा को देखना) है और "ग्राउंड ट्रुथ" अभी भी एक कंप्यूटर मॉडल है न कि एक भौतिक माप, फिर भी परिणाम एक मजबूत कदम हैं। वे दिखाते हैं कि एक ऐसा उपकरण होना संभव है जो सर्जरी के दौरान उपयोग करने के लिए पर्याप्त तेज़ हो, जो संभावित रूप से डॉक्टरों को ऑपरेटिंग रूम में बेहतर निर्णय लेने में मदद कर सकता है बिना धीमी गणनाओं का इंतज़ार किए।
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।