Evaluating Children’s Growth Based on Carpal Bones in Left-Hand X-Ray Images Using Deep Learning
यह अध्ययन प्रदर्शित करता है कि विशिष्ट प्रीप्रोसेसिंग तकनीकों के साथ, बाएं हाथ के एक्स-रे से केवल कार्पल हड्डियों (carpal bones) पर प्रशिक्षित एक डीप लर्निंग मॉडल, RSNA डेटासेट पर सटीक बोन एज असेसमेंट (8.38 ± 0.39 महीने MAE) प्राप्त करता है, जो यह सिद्ध करता है कि केवल कार्पल क्षेत्र ही बच्चों के विकास के मूल्यांकन के लिए पर्याप्त जानकारी समाहित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप केवल एक बच्चे के हाथ की ब्लैक-एंड-व्हाइट फोटो देखकर उसकी उम्र का अनुमान लगाने की कोशिश कर रहे हैं। डॉक्टर दशकों से यह काम कर रहे हैं ताकि यह देख सकें कि क्या बच्चा सही गति से बढ़ रहा है। पारंपरिक रूप से, वे पूरे हाथ को देखते हैं, और हड्डियों की तुलना एक विशाल "ग्रोथ एटलस" (जैसे कि एक चित्र पुस्तक कि अलग-अलग उम्र में हाथ कैसे दिखने चाहिए) से करते हैं। लेकिन यह प्रक्रिया धीमी है, और अलग-अलग डॉक्टर एक ही बच्चे के लिए उम्र का थोड़ा अलग अनुमान लगा सकते हैं।
हाल ही में, वैज्ञानिकों ने कंप्यूटर को "डीप लर्निंग" (एक प्रकार का आर्टिफिशियल इंटेलिजेंस जो हजारों उदाहरणों को देखकर सीखता है) का उपयोग करके यह अनुमान लगाने का खेल सिखाया है। इनमें से अधिकांश स्मार्ट कंप्यूटर उम्र का अनुमान लगाने के लिए एक्स-रे में पूरे हाथ को देखते हैं।
बड़ा सवाल
इस शोध के लेखकों ने एक सरल प्रश्न पूछा: क्या हमें वास्तव में पूरे हाथ को देखने की आवश्यकता है?
विशेष रूप से, वे जानना चाहते थे कि क्या कलाई की हड्डियाँ (जिन्हें कार्पल बोन्स कहा जाता है) अकेले कंप्यूटर को बच्चे की उम्र बताने के लिए पर्याप्त हैं। कलाई की हड्डियों को हाथ का "सीक्रेट सॉस" (गुप्त सामग्री) मान लीजिए। बहुत छोटे बच्चों में, ये हड्डियाँ ही मुख्य चीजें होती हैं जो बदलती और विकसित होती हैं। जैसे-जैसे बच्चे बड़े होते हैं, उंगलियां और अग्रबाहु (फोरआर्म) की लंबी हड्डियां अधिक महत्वपूर्ण हो जाती हैं। शोधकर्ताओं ने सोचा: "यदि हम कंप्यूटर को केवल कलाई दिखाएं, तो क्या वह अभी भी एक अच्छा उत्तर दे पाएगा?"
प्रयोग: फोटो को साफ करने के दो तरीके
इसका परीक्षण करने के लिए, टीम ने बच्चों के बाएं हाथों के एक्स-रे लिए और केवल कलाई वाले हिस्से को काट लिया। लेकिन इन कलाई के हिस्सों को कंप्यूटर को दिखाने से पहले, उन्हें "साफ" करना था। उन्होंने "सफाई" के दो अलग-अलग तरीके आजमाए:
- विधि A (जेंटल क्लीनर - कोमल सफाई वाला): उन्होंने दानेदार शोर (नॉइज़) को कम किया और कंट्रास्ट (हल्के और गहरे रंग के बीच का अंतर) को अधिक स्पष्ट बनाया। यह एक धुंधली, धूल भरी फोटो को धीरे से लेंस पॉलिश करने जैसा है ताकि विवरण उभर कर आ सकें।
- विधि B (हर्ष क्लीनर - कठोर सफाई वाला): उन्होंने विधि A में किया गया सब कुछ किया, लेकिन फिर उन्होंने इमेज को एक हाई-कंट्रास्ट ब्लैक-एंड-व्हाइट स्केच (जैसे कि एक स्टेंसिल) में बदल दिया। उन्हें लगा कि इससे हड्डियों की रूपरेखा और भी स्पष्ट हो जाएगी।
परिणाम: कम ही अधिक है
यहाँ चौंकाने वाला हिस्सा है: "जेंटल क्लीनर" (विधि A) जीत गया।
- हर्ष क्लीनर (विधि B) ने कंप्यूटर को भ्रमित कर दिया। इमेज को एक तीखे ब्लैक-एंड-व्हाइट स्केच में बदलकर, कंप्यूटर उन सूक्ष्म बनावटों और रंगों को खो बैठा जो हड्डियों के अंदर उम्र के बारे में सुराग रखते हैं। इस विधि से कंप्यूटर के अनुमानों में औसतन 14.85 महीने की त्रुटि थी।
- जेंटल क्लीनर (विधि A) बहुत बेहतर काम कर गया। कंप्यूटर कलाई की हड्डियों के प्राकृतिक शेड्स और विवरणों को देख सका। इस विधि के साथ, कंप्यूटर ने औसतन केवल 8.38 महीने की त्रुटि के साथ उम्र का सटीक अनुमान लगाया।
उन्होंने क्या सीखा?
- कलाई शक्तिशाली है: भले ही उन्होंने कंप्यूटर को केवल कलाई की हड्डियाँ दिखाईं (उंगलियों और हाथ के बाकी हिस्से को छोड़ दिया), कंप्यूटर फिर भी काफी अच्छी तरह से उम्र का अनुमान लगा सका। यह साबित करता है कि कलाई की हड्डियों में अपने आप में बहुत सारी "आयु संबंधी जानकारी" होती है।
- जरूरत से ज्यादा प्रोसेसिंग न करें: जब मेडिकल एक्स-रे के साथ काम किया जाता है, तो इमेज को बहुत अधिक "साफ" या "बाइनरी" (केवल काला और सफेद) बनाने की कोशिश करने से वास्तव में महत्वपूर्ण विवरण छिप सकते हैं। एक्स-रे के प्राकृतिक शेड्स को बनाए रखना कंप्यूटर के सीखने के लिए महत्वपूर्ण था।
- उम्र मायने रखती है: कंप्यूटर जीवन के कुछ विशेष समय (जैसे कि टोडलरहुड और प्यूबर्टी) के दौरान उम्र का अनुमान लगाने में बेहतर था, जब कलाई की हड्डियाँ तेजी से बदल रही होती हैं। वह बहुत छोटे बच्चों के मामले में थोड़ा संघर्ष करता रहा, संभवतः इसलिए क्योंकि ट्रेनिंग डेटा में बच्चों की तस्वीरें कम थीं और उनकी कलाई की हड्डियों में अभी तक स्पष्ट विशेषताएं विकसित नहीं हुई थीं।
निष्कर्ष
यह अध्ययन दिखाता है कि बच्चे की बोन एज (हड्डियों की उम्र) का अनुमान लगाने के लिए आपको हमेशा पूरे हाथ का विश्लेषण करने की आवश्यकता नहीं होती है। यदि आप केवल कलाई पर ध्यान केंद्रित करते हैं और सही प्रकार की इमेज क्लीनिंग का उपयोग करते हैं (प्राकृतिक विवरणों को बनाए रखते हुए, न कि उसे स्केच में बदलते हुए), तो एक कंप्यूटर काफी सटीक रूप से उम्र की भविष्यवाणी करना सीख सकता है। यह सुझाव देता है कि भविष्य में, डॉक्टर बच्चे के विकास की जांच करने के लिए पूरे हाथ का विश्लेषण करने के बजाय छोटे, तेज़ और अधिक केंद्रित उपकरणों का उपयोग कर पाएंगे।
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।