A Weakly Supervised Pre-processing Pipeline for Multi-Modal Image Pair Generation for Image Registration

कल्पना कीजिए कि आप एक विशाल जिग्सॉ पज़ल (jigsaw puzzle) को हल करने की कोशिश कर रहे हैं, लेकिन टुकड़े दो पूरी तरह से अलग बक्सों से आते हैं। एक बॉक्स में एक शहर की सड़क की धुंधली, वाइड-एंगल तस्वीर है, जबकि दूसरे बॉक्स में उसी सड़क पर एक ईंट का अत्यंत स्पष्ट, सूक्ष्म क्लोज-अप है। आप जानते हैं कि वे एक साथ जुड़े हुए हैं, लेकिन वे बिल्कुल एक जैसे नहीं दिखते। एक रंगीन और धुंधला है; दूसरा ब्लैक एंड व्हाइट और अविश्वसनीय विवरण वाला है। यह उन वैज्ञानिकों की दैनिक वास्तविकता है जो कोशिकाओं या सामग्रियों जैसी छोटी चीजों का अध्ययन करते हैं। वे दो शक्तिशाली उपकरणों का उपयोग करते हैं: लाइट माइक्रोस्कोप (LM), जो बड़े चित्र को देखने और विशिष्ट चमकते अणुओं को खोजने के लिए वाइड-एंगल कैमरों की तरह काम करता है, और इलेक्ट्रॉन माइक्रोस्कोप (EM), जो एक एकल परमाणु के आकार तक की सूक्ष्म संरचनाओं को देखने के लिए सुपर-पावर्ड ज़ूम लेंस की तरह काम करता है।

समस्या यह है कि ये दोनों उपकरण अलग-अलग भाषाएं बोलते हैं। वे दुनिया को अलग-अलग पैमानों पर देखते हैं, अलग-अलग "पिक्सेल आकार" (छवि बनाने वाले छोटे बिंदु) के साथ देखते हैं, और अक्सर थोड़े अलग क्षेत्रों को देखते हैं। इन दोनों की सुपरपावर को मिलाने के लिए—यानी लाइट माइक्रोस्कोप का आणविक विवरण और इलेक्ट्रॉन माइक्रोस्कोप की संरचनात्मक स्पष्टता—वैज्ञानिकों को छवियों को "रजिस्टर" (register) करने की आवश्यकता होती है। इसका अर्थ है उन्हें पूरी तरह से एक सीध में लाना ताकि धुंधली फोटो में चमकता हुआ अणु, तीखी फोटो में मौजूद संबंधित ईंट के ठीक ऊपर स्थित हो। यदि संरेखण (alignment) थोड़ा भी गलत हुआ, तो संयुक्त चित्र बेकार हो जाएगा। यह एक विश्व मानचित्र को आपके पड़ोस के मानचित्र पर ओवरले करने जैसा है; जब तक आप उन्हें पूरी तरह से मेल खाने के लिए सिकोड़ते या फैलाते नहीं हैं, सड़कें एक सीध में नहीं आएंगी।

डिजिटल मैचमेकर: पूरी तरह से संरेखित माइक्रोस्कोप फोटो के लिए एक रेसिपी

इस अध्ययन में, मैक्स प्लैंक इंस्टीट्यूट फॉर पॉलिमर रिसर्च के शोधकर्ताओं ने एक चतुर, अर्ध-स्वचालित रेसिपी तैयार की है ताकि इन बेमेल छवियों को एक-दूसरे को खोजने में मदद मिल सके। इस नए तरीके को एक "डिजिटल मैचमेकर" के रूप में सोचें जो दो बहुत अलग तस्वीरों को तैयार करता है ताकि वे हाथ थाम सकें और बिल्कुल एक साथ चल सकें।

मुख्य चुनौती जिसका उन्होंने समाधान किया वह यह है कि दोनों माइक्रोस्कोप इस बात पर सहमत नहीं होते कि एक "कदम" कितना बड़ा होता है। एक माइक्रोस्कोप कह सकता है कि एक कदम 100 नैनोमीटर चौड़ा है, जबकि दूसरा कह सकता है कि यह 12 नैनोमीटर है। यदि आप केवल छवियों को आपस में चिपकाने की कोशिश करते हैं, तो विवरण मेल नहीं खाएंगे। लेखकों ने एक वर्कफ़्लो बनाया है जो एक अनुवादक (translator) और एक दर्जी (tailor) के संयोजन के रूप में कार्य करता है।

चरण 1: मानवीय स्पर्श (द "वीकली सुपरवाइज्ड" पार्ट)
प्रक्रिया में थोड़ी मानवीय मदद की आवश्यकता होती है, इसीलिए वे इसे "वीकली सुपरवाइज्ड" कहते हैं। कल्पना कीजिए कि आपके पास पार्क की एक विशाल, धुंधली फोटो (लाइट माइक्रोस्कोप इमेज) है और उसी पार्क के एक विशिष्ट बेंच की एक छोटी, सुपर-शार्प फोटो (इलेक्ट्रॉन माइक्रोस्कोप इमेज) है। कंप्यूटर अपना जादू चलाने से पहले, एक इंसान को दोनों तस्वीरों में एक सामान्य लैंडमार्क—जैसे कि एक विशिष्ट पेड़ या चट्टान—को इंगित करने की आवश्यकता होती है। इन लैंडमार्क्स के बीच की दूरी को दोनों चित्रों में मापकर, कंप्यूटर "पिक्सेल साइज रेशियो" (PSR) की गणना कर सकता है। यह यह समझने जैसा है कि धुंधली फोटो में एक कदम, तीखी फोटो में ठीक 6.5 कदमों के बराबर है। पेपर नोट करता है कि वर्तमान में, कंप्यूटर इन विशिष्ट प्रकार की छवियों के लिए अपने आप यह गणित करने के लिए पर्याप्त स्मार्ट नहीं हैं, इसलिए एक इंसान को पहले यह अनुपात सेट करना होगा।

चरण 2: श्रिंक रे (बिनिंग - Shrink Ray)
एक बार अनुपात ज्ञात हो जाने के बाद, कंप्यूटर छोटी, तीखी इलेक्ट्रॉन माइक्रोस्कोप इमेज को सिकोड़ देता है। यह एक हाई-रिज़ॉल्यूशन फोटो को लेकर उसे एक छोटे फ्रेम में फिट होने के लिए रीसाइज करने जैसा है। शोधकर्ताओं ने पाया कि छवि को एक विशिष्ट कारक (जैसे कि उसके मूल आकार के 1/8वें हिस्से तक) से सिकोड़ना महत्वपूर्ण है। यदि वे इसे बहुत अधिक या बहुत कम सिकोड़ते हैं, तो कंप्यूटर भ्रमित हो जाता है और मिलान नहीं ढूंढ पाता। यह एक गोल छेद में चौकोर खूंटे को फिट करने की कोशिश करने जैसा है; आकार बिल्कुल सही होना चाहिए।

चरण 3: "चेहरा ढूंढने का खेल" (टेम्प्लेट मैचिंग)
अब मजेदार हिस्सा आता है। कंप्यूटर सिकोड़ी हुई, तीखी छवि (टेम्प्लेट) लेता है और बड़ी, धुंधली फोटो (सोर्स) के भीतर शिकार पर निकलता है। यह "नॉर्मलाइज्ड कोरिलेशन" (normalized correlation) नामक तकनीक का उपयोग करता है। कल्पना कीजिए कि आप भीड़ भरी, धुंधली भीड़ में एक विशिष्ट चेहरा ढूंढ रहे हैं। केवल अनुमान लगाने के बजाय, कंप्यूटर उस "चेहरे" को भीड़ के हर स्थान पर स्लाइड करता है, और यह जांचता है कि विशेषताएं कितनी अच्छी तरह मेल खाती हैं। शोधकर्ताओं ने पाया कि एक विशिष्ट गणितीय ट्रिक (कुल चमक के अंतर को अनदेखा करना) यहाँ सबसे अच्छा काम करती है। यह कंप्यूटर को बड़ी फोटो में उस सटीक स्थान को खोजने की अनुमति देता है जहाँ छोटी फोटो होनी चाहिए, भले ही रोशनी पूरी तरह से अलग हो या यदि नमूने में अजीब सिलवटें हों जो केवल एक तस्वीर में दिखाई देती हैं।

चरण 4: परफेक्ट कट और पेस्ट
एक बार जब कंप्यूटर मिलान ढूंढ लेता है, तो वह बड़ी, धुंधली फोटो से उस सटीक वर्गाकार हिस्से को काट लेता है। फिर, वह उस कटे हुए टुकड़े को तब तक खींचता है जब तक कि वह मूल तीखी फोटो के बिल्कुल समान आकार का न हो जाए। परिणाम क्या है? छवियों की एक आदर्श जोड़ी। अब वे बिल्कुल एक ही क्षेत्र दिखाते हैं, उनमें पिक्सेल की संख्या समान है, और "स्टेप साइज" भी समान है।

यह क्यों महत्वपूर्ण है
शोधकर्ताओं ने इसका परीक्षण वास्तविक नमूनों पर किया, जिसमें कोशिकाएं और सामग्री के पतले स्लाइस शामिल थे। उन्होंने दिखाया कि भले ही छवियों में अजीब आर्टिफैक्ट्स (artifacts) हों—जैसे कि चमकीले धब्बे जो झुर्रीदार नमूनों के कारण केवल एक फोटो में दिखाई देते हैं—फिर भी यह विधि काम करती रही। कंप्यूटर शोर (noise) को अनदेखा करने और वास्तविक मिलान खोजने के लिए पर्याप्त मजबूत था।

एक बार जब छवियां जोड़ी जाती हैं, तो वे अंतिम चरण के लिए तैयार होती हैं: एक मशीन लर्निंग प्रोग्राम जो उन्हें पूरी तरह से संरेखित करता है। लेखकों ने पाया कि यदि प्रारंभिक मिलान सटीक नहीं है (1% से कम त्रुटि के साथ), तो मशीन लर्निंग सॉफ्टवेयर संघर्ष करता है। लेकिन उनके नए प्री-प्रोसेसिंग पाइपलाइन के साथ, छवियां इतनी अच्छी तरह से तैयार की गई हैं कि अंतिम संरेखण एक मानक डेस्कटॉप कंप्यूटर पर एक मिनट से भी कम समय में पूरा हो जाता है।

निष्कर्ष (The Bottom Line)
यह पेपर यह दावा नहीं करता कि इसने इमेज रजिस्ट्रेशन की समस्या को पूरी तरह से हल कर दिया है। इसके बजाय, यह एक महत्वपूर्ण, तेज़ और विश्वसनीय "प्री-प्रोसेसिंग" चरण प्रदान करता है। यह दो अलग-अलग दुनियाओं के बीच के अंतर को पाटता है, यह सुनिश्चित करता है कि जब वैज्ञानिक अंततः अपने डेटा को मिलाते हैं, तो वे एक ही वास्तविकता को देख रहे होते हैं। यह एक अव्यवस्थित, भ्रमित करने वाले कार्य को एक सुव्यवस्थित प्रक्रिया में बदल देता है, जो जीव विज्ञान और सामग्री विज्ञान में तेज़, अधिक सटीक खोजों का मार्ग प्रशस्त करता है। लेखक सुझाव देते हैं कि हालांकि पहला चरण (अनुपात ढूंढना) अभी भी एक इंसान की आवश्यकता रखता है, यह पाइपलाइन सूक्ष्म दुनिया के पूर्णतः स्वचालित, उच्च-गति विश्लेषण की दिशा में एक बड़ा कदम है।