Multimodal Deep Learning for Chest X-Ray Abnormality Classification and Interpretability through Demographic Feature Integration
यह अध्ययन एक मल्टीमॉडल डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो ConvNeXt Large बैकबोन का उपयोग करके चेस्ट एक्स-रे छवियों को जनसांख्यिकीय मेटाडेटा के साथ एकीकृत करता है, जो NIH ChestX-ray14 डेटासेट पर 96.88% मैक्रो-एवरेज AUC प्राप्त करता है और मौजूदा इमेज-ओनली मॉडलों की तुलना में बेहतर प्रदर्शन और व्याख्यात्मकता प्रदर्शित 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
हर दिन, लाखों लोग एक साधारण चेस्ट एक्स-रे के लिए क्लीनिकों और अस्पतालों में आते हैं। यह त्वरित, कम लागत वाली छवि आधुनिक चिकित्सा का एक आधार स्तंभ है, जो छाती के भीतर की एक झलक प्रदान करती है ताकि निमोनिया, तरल पदार्थ का जमाव, या अन्य छिपी हुई समस्याओं का पता लगाया जा सके। एक रेडियोलॉजिस्ट के लिए, इन छवियों को पढ़ना एक महत्वपूर्ण कौशल है, लेकिन यह एक भारी बोझ भी है। स्कैन की विशाल मात्रा बढ़ रही है, और यह कार्य अक्सर कठिन होता है क्योंकि विभिन्न बीमारियाँ समान दिख सकती हैं, या कई स्थितियाँ एक ही तस्वीर में एक साथ छिपी हो सकती हैं। इस भार को कम करने में मदद करने के लिए, वैज्ञानिकों ने आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) की ओर रुख किया है, जिससे कंप्यूटर को इन छवियों में पैटर्न पहचानना सिखाया जा सके। हालाँकि, इनमें से अधिकांश कंप्यूटर प्रोग्राम केवल चित्र को देखने के लिए प्रशिक्षित किए गए हैं, जो उस व्यक्ति को अनदेखा कर देते हैं जिसके लिए स्कैन किया गया है। वे नहीं जानते कि रोगी एक युवा पुरुष है या एक वृद्ध महिला, या छवि कैसे ली गई थी। यह अध्ययन एक सरल लेकिन शक्तिशाली प्रश्न पूछता है: क्या होगा यदि हम कंप्यूटर को चित्र और रोगी के बुनियादी विवरणों को एक साथ देखना सिखाएं?
शोधकर्ताओं की एक टीम ने एक नए प्रकार का कंप्यूटर सिस्टम बनाने का लक्ष्य रखा जो चेस्ट एक्स-रे से प्राप्त दृश्य जानकारी को रोगी के सरल जनसांख्यिकीय तथ्यों, जैसे कि उनकी आयु, लिंग और जिस कोण से एक्स-रे लिया गया था, के साथ जोड़ता है। उन्होंने नेशनल इंस्टिट्यूट्स ऑफ हेल्थ से 112,000 से अधिक चेस्ट एक्स-रे का एक विशाल संग्रह उपयोग किया, एक ऐसा डेटासेट जिसमें 30,000 से अधिक अलग-अलग लोगों की छवियां शामिल हैं। यह संग्रह क्षेत्र में इतना प्रसिद्ध है क्योंकि यह बहुत बड़ा है, लेकिन यह एक जटिल समस्या भी प्रस्तुत करता है: कुछ बीमारियाँ छवियों में हजारों बार दिखाई देती हैं, जबकि अन्य अत्यंत दुर्लभ होती हैं। शोधकर्ताओं ने अपने सिस्टम को इस असंतुलन को संभालने और बीमारी के दृश्य पैटर्न और रोगी की पृष्ठभूमि से मिलने वाले संदर्भ, दोनों से सीखने के लिए डिज़ाइन किया। उन्होंने यह देखने के लिए अपने दृष्टिकोण का परीक्षण कई अन्य प्रसिद्ध कंप्यूटर मॉडलों के विरुद्ध किया कि क्या इस अतिरिक्त जानकारी की परत जोड़ने से वास्तव में कोई अंतर पड़ता है।
परिणामों ने दिखाया कि नया सिस्टम पुरानी बीमारियों की पहचान करने में उन पुराने मॉडलों की तुलना में काफी बेहतर था जो केवल छवियों को देखते थे। जब इसे डेटा के उस हिस्से पर परखा गया जिसे इसने पहले कभी नहीं देखा था, तो नए सिस्टम ने चौरासी (14) विभिन्न प्रकार के थोरैसिक रोगों को उच्च स्तर की सटीकता के साथ सही ढंग से पहचाना, और 96.88 प्रतिशत का स्कोर प्राप्त किया। इसकी तुलना में, सबसे अच्छे पुराने मॉडलों ने, जो केवल चित्र पर निर्भर थे, 85 से 88 प्रतिशत के बीच स्कोर प्राप्त किया। शोधकर्ताओं ने पाया कि यह सुधार दो मुख्य स्रोतों से आया। पहला, सिस्टम को 'कन्वनेक्स्ट' (ConvNeXt) नामक एक आधुनिक आर्किटेक्चर पर बनाया गया था, जो छवियों में विवरणों को पहचानने में बहुत कुशल है। दूसरा, और शायद अधिक महत्वपूर्ण, सिस्टम ने रोगी की आयु, लिंग और एक्स-रे मशीन की स्थिति को सुराग के रूप में उपयोग करना सीखा। उदाहरण के लिए, यह जानना कि रोगी पुरुष है या महिला, या छवि सामने से ली गई थी या पीछे से, कंप्यूटर को उन स्थितियों के बीच स्पष्ट अंतर करने में मदद करता है जो अन्यथा एक जैसी दिख सकती हैं।
यह सुनिश्चित करने के लिए कि कंप्यूटर केवल अनुमान नहीं लगा रहा है, शोधकर्ताओं ने एक तरीका भी बनाया जिससे यह देखा जा सके कि मशीन किस चीज़ पर ध्यान केंद्रित कर रही है। उन्होंने एक ऐसी तकनीक का उपयोग किया जो एक्स-रे के उन विशिष्ट हिस्सों को उजागर करती है जो निदान (डायग्नोसिस) का कारण बने। जब उन्होंने इन हाइलाइट्स को देखा, तो उन्होंने पाया कि कंप्यूटर सही स्थानों पर ध्यान दे रहा था। यदि सिस्टम ने फेफड़े के ढहने (कोलैप्स्ड लंग) की भविष्यवाणी की, तो हाइलाइट किया गया क्षेत्र फेफड़े के किनारे पर था। यदि इसने हृदय के बढ़ जाने (एनलार्ज्ड हार्ट) की भविष्यवाणी की, तो ध्यान हृदय पर केंद्रित था। यह दृश्य प्रमाण बताता है कि सिस्टम केवल डेटा में सांख्यिकीय ट्रिक्स नहीं ढूंढ रहा है, बल्कि वास्तव में बीमारी के भौतिक संकेतों को पहचानने के लिए सीख रहा है, जो एक मानव डॉक्टर के लिए तर्कसंगत है। अध्ययन ने यह भी पुष्टि की कि प्रशिक्षण डेटा में दुर्लभ बीमारियों को अनदेखा करने से सिस्टम खराब हो जाता, इसलिए उन्होंने उन कम सामान्य स्थितियों को अतिरिक्त ध्यान देने के लिए सीखने की प्रक्रिया को समायोजित किया।
शोधकर्ता स्वीकार करते हैं कि उनका कार्य एक कदम आगे है, लेकिन यह अंतिम समाधान नहीं है। सिस्टम को एक विशिष्ट डेटासेट पर प्रशिक्षित किया गया था जहाँ बीमारियों के लेबल मेडिकल रिपोर्ट को पढ़ने वाले कंप्यूटरों द्वारा उत्पन्न किए गए थे, जिसका अर्थ है कि प्रशिक्षण डेटा में कुछ त्रुटियाँ हो सकती हैं। इसके अतिरिक्त, सिस्टम वर्तमान में काफी बड़ा है और इसे चलाने के लिए शक्तिशाली कंप्यूटरों की आवश्यकता होती है, जिससे इसे हर क्लिनिक में तुरंत स्थापित करना कठिन हो सकता है। टीम का सुझाव है कि भविष्य के कार्य में इस दृष्टिकोण को विभिन्न अस्पतालों के डेटा पर परखा जाना चाहिए ताकि यह देखा जा सके कि क्या यह विभिन्न प्रकार की मशीनों और रोगी समूहों के साथ भी उतना ही अच्छा काम करता है। वे यह भी प्रस्तावित करते हैं कि रोगी के धूम्रपान के इतिहास या पिछले मेडिकल रिकॉर्ड जैसी और भी अधिक जानकारी जोड़ने से सिस्टम और भी सटीक हो सकता है। फिलहाल, यह अध्ययन एक स्पष्ट मार्ग प्रदर्शित करता है: कंप्यूटर को चित्र और व्यक्ति दोनों को देखना सिखाकर, हम ऐसे उपकरण बना सकते हैं जो न केवल अधिक सटीक हैं, बल्कि उन डॉक्टरों के लिए अधिक विश्वसनीय भी हैं जो उन पर भरोसा करते हैं।
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।