SFCT-Net: A Wavelet-Based Spatial-Frequency Signal Reconstruction Framework for Robust Medical Image Segmentation

मेडिकल इमेजिंग की दुनिया में, अल्ट्रासाउंड स्कैनर और स्किन कैमरा जैसी मशीनें आधुनिक डॉक्टरों की आँखों के रूप में कार्य करती हैं, जो मानव शरीर के छिपे हुए परिदृश्यों को कैप्चर करती हैं। हालाँकि, ये चित्र शायद ही कभी पूर्ण होते हैं। वे अक्सर अपने निर्माण की भौतिकी के कारण दूषित होकर आते हैं: ऊतकों से टकराती ध्वनि तरंगों का दानेदार स्टैटिक (static) या असमान रोशनी और बाल जो त्वचा के घाव (lesion) को अस्पष्ट कर देते हैं। एक कंप्यूटर को डॉक्टर की मदद करने के लिए, इसे इस शोर (noise) के पार देखना सीखना होगा और ट्यूमर या मांसपेशी के सटीक किनारों को ट्रेस करना होगा, जिसे 'सेगमेंटेशन' (segmentation) कहा जाता है। पारंपरिक रूप से, कंप्यूटर इसे एक साधारण पिक्सेल ग्रिड के रूप में देखकर हल करने की कोशिश करते हैं, यह अनुमान लगाने का प्रयास करते हैं कि कौन से पिक्सेल अंग के हैं और कौन से बैकग्राउंड के। लेकिन यह दृष्टिकोण अक्सर विफल हो जाता है जब छवि धुंधली या शोर वाली होती है, क्योंकि कंप्यूटर स्टैटिक से भ्रमित हो जाता है, और उसे एक वास्तविक सीमा समझ लेता है या किसी महत्वपूर्ण किनारे को तब तक चिकना कर देता है जब तक कि वह गायब न हो जाए।

फूज़ियान यूनिवर्सिटी ऑफ टेक्नोलॉजी और अन्य संस्थानों के शोधकर्ताओं की एक टीम ने इस समस्या के बारे में सोचने का एक अलग तरीका प्रस्तावित किया है। एक मेडिकल इमेज को केवल पिक्सेल से बनी एक तस्वीर के रूप में देखने के बजाय, वे इसे एक ऐसे सिग्नल के रूप में देखते हैं जो एक साथ दो दुनियाओं में मौजूद है: स्थानिक दुनिया (spatial world) जिसे हम देखते हैं, और एक फ्रीक्वेंसी दुनिया (frequency world) जो यह बताती है कि छवि चिकने क्षेत्रों से तीखे किनारों तक कैसे बदलती है। उनका तर्क है कि मानक उपकरण जिनका उपयोग कंप्यूटर छवियों को "ज़ूम इन" करने या किसी छोटे संस्करण से छवि को फिर से बनाने के लिए करते हैं, वास्तव में समस्या का हिस्सा हैं। ये उपकरण, जो केवल पिक्सेल को खींचकर काम करते हैं, एक निम्न-गुणवत्ता वाले फिल्टर की तरह कार्य करते हैं जो सूक्ष्म विवरणों को धुंधला कर देते हैं और टेढ़े-मेढ़े, अप्राकृतिक रेखाएं बना देते हैं। इसे ठीक करने के लिए, शोधकर्ताओं ने SFCT-Net नामक एक नई प्रणाली विकसित की, जो मेडिकल इमेज के पुनर्निर्माण (reconstruction) को विभिन्न प्रकार के सिग्नलों को अलग करने और साफ करने की एक प्रक्रिया के रूप में देखती है।

इनका नवाचार (innovation) इस बात में निहित है कि कंप्यूटर छवि को कैसे प्रोसेस करता है। अधिकांश आधुनिक प्रणालियाँ अनुक्रम में काम करने वाले दो अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस इंजन का उपयोग करती हैं: एक जो छोटे, स्थानीय टेक्सचर को पहचानने में अच्छा है और दूसरा जो बड़ी तस्वीर (big picture) को समझने में अच्छा है। शोधकर्ताओं ने पाया कि इन इंजनों को एक के बाद एक चलाने से कंप्यूटर महत्वपूर्ण विवरण खो देता है। इसके बजाय, उन्होंने एक समानांतर (parallel) प्रणाली बनाई जहाँ दोनों इंजन एक साथ काम करते हैं, और जो देखते हैं उसे साझा करने के लिए आपस में लगातार संवाद करते हैं। उन्होंने इन दो इंजनों के बीच एक विशेष पुल बनाया, जिससे बड़े परिदृश्य पर केंद्रित इंजन को विवरणों पर केंद्रित इंजन को मार्गदर्शन करने और इसके विपरीत, दोनों को सक्षम बनाया गया। यह सुनिश्चित करता है कि कंप्यूटर अंग के सामान्य आकार और उसके किनारे को परिभाषित करने वाली छोटी, तीखी रेखाओं, दोनों को समझ सके, बिना इमेज के शोर को उनके बीच के संबंध को भ्रमित करने दिए।

हालाँकि, सबसे महत्वपूर्ण परिवर्तन तब होता है जब कंप्यूटर अंतिम छवि बनाने का प्रयास करता है। पिक्सेल को खींचने के मानक तरीके के बजाय, जिसे शोधकर्ताओं ने दिखाया कि यह 'फ्रीक्वेंसी एलियासिंग' (frequency aliasing) नामक एक विशिष्ट प्रकार का दृश्य विरूपण पैदा करता है, उन्होंने वेवलेट ट्रांसफॉर्म (wavelet transforms) पर आधारित एक नया उपकरण पेश किया। सरल शब्दों में, यह उपकरण इमेज सिग्नल को उसके चिकने, लो-फ्रीक्वेंसी भागों और तीखे, हाई-फ्रीक्वेंसी भागों में तोड़ देता है। यह कंप्यूटर को चिकने क्षेत्रों में शोर को साफ करने की अनुमति देता है बिना अनजाने में तीखे किनारों को मिटाए, और किनारों को तेज करने की अनुमति देता है बिना बैकग्राउंड को दानेदार बनाए। एक बार जब ये भाग साफ और अलग हो जाते हैं, तो सिस्टम उन्हें पूरी तरह से पुनर्गठित करता है, जिससे शरीर रचना (anatomy) की नाजुक सीमाओं को संरक्षित किया जा सके जिन्हें अन्य विधियाँ धुंधला या खंडित कर देती हैं।

यह परीक्षण करने के लिए कि क्या यह नया दृष्टिकोण वास्तव में काम करता है, शोधकर्ताओं ने अपने सिस्टम को दस अलग-अलग मेडिकल डेटासेट्स पर परखा, जिसमें थायराइड नोड्यूल्स और ब्रेस्ट ट्यूमर के अल्ट्रासाउंड इमेज से लेकर मेलानोमा के स्किन स्कैन और पॉलीप्स के एंडोस्कोपिक व्यू तक शामिल थे। उन्होंने अपने परिणामों की तुलना चौदह सबसे उन्नत उपलब्ध प्रानों (systems) से की। परिणाम सुसंगत और स्पष्ट थे: उनका नया फ्रेमवर्क लगभग हर श्रेणी में अन्य प्रणालियों से काफी बेहतर रहा। थायराइड डेटासेट पर, उनके सिस्टम ने सही क्षेत्र को मिलाने में 89.05% का स्कोर प्राप्त किया, जो अगले सर्वश्रेष्ठ तरीके की तुलना में एक उल्लेखनीय उछाल है। स्किन कैंसर की छवियों पर, इसने 95.79% तक पहुँच बनाई, और मसल इमेजिंग के लिए, इसने 96.06% छुआ। इससे भी महत्वपूर्ण बात यह है कि विजुअल परिणामों ने दिखाया कि उनका सिस्टम ट्यूमर और लीजन की सटीक, अक्सर टेढ़ी-मेढ़ी आउटलाइनों को ट्रेस करने में बहुत बेहतर काम करता है, जबकि पुराने सिस्टम ऐसे आकार उत्पन्न करते थे जो या तो बहुत चिकने थे या जिनके किनारे टूटे हुए और असंबद्ध थे।

शोधकर्ताओं ने यह साबित करने के लिए भी विशिष्ट परीक्षण किए कि उनके नए घटक ही सफलता का कारण थे। उन्होंने दिखाया कि केवल दो इंजनों का एक साथ काम करना पर्याप्त नहीं था; सिस्टम को उनके समझ को संरेखित करने के लिए विशेष पुल की आवश्यकता थी। उन्होंने यह भी प्रदर्शित किया कि मानक पिक्सेल-स्ट्रेचिंग विधि को उनके वेवलेट-आधारित पुनर्निर्माण से बदलना त्रुटियों को कम करने वाला सबसे महत्वपूर्ण कारक था। जब उन्होंने वेवलेट टूल को हटा दिया और पुराने तरीके पर वापस आ गए, तो प्रदर्शन गिर गया और छवियां कम सटीक हो गईं। इसने पुष्टि की कि छवि को कैसे पुनर्गठित किया जाता है, वह विश्लेषण के तरीके जितना ही महत्वपूर्ण है। अध्ययन सुझाव देता है कि मेडिकल सिग्नलों की फ्रीक्वेंसी प्रकृति का सम्मान करके और पारंपरिक पिक्सेल हेरफेर से होने वाले विरूपणों से बचकर, कंप्यूटर बीमारी के निदान में बहुत अधिक विश्वसनीय साथी बन सकते हैं, जो मानव शरीर की छिपी हुई संरचनाओं का एक स्पष्ट, अधिक सटीक दृश्य प्रदान करते हैं।