A Novel AJAD-BoostNet Framework for Histopathological Lung and Cervical Cancer Classification Using Deep Feature Learning, K-Means Clustering, and XGBoost

तकनीकी सारांश: हिस्टोपैथोलॉजिकल कैंसर वर्गीकरण के लिए एक नवीन AJAD-BoostNet फ्रेमवर्क

समस्या विवरण
यह शोध पत्र हिस्टोपैथोलॉजिकल फेफड़ों और गर्भाशय ग्रीवा (सर्वाइकल) के कैंसर के लिए सटीक, स्केलेबल और कम्प्यूटेशनल रूप से कुशल कंप्यूटर-एडेड डायग्नोस्टिक (CAD) प्रणालियों की महत्वपूर्ण आवश्यकता को संबोधित करता है। जबकि डीप लर्निंग ने मेडिकल इमेज विश्लेषण में प्रगति की है, वर्तमान अत्याधुनिक समाधान नैदानिक ​​स्वीकार्यता के लिए महत्वपूर्ण बाधाओं का सामना कर रहे हैं, विशेष रूप से कम संसाधन वाले परिवेशों में। इन बाधाओं में शामिल हैं:

1. डेटा निर्भरता: बड़े, मैन्युअल रूप से एनोटेटेड डेटासेट पर अत्यधिक निर्भरता, जो श्रम-साध्य और महंगी होती है।
2. कम्प्यूटेशनल जटिलता: एंड-टू-एंड सुपरवाइज्ड डीप लर्निंग से जुड़ी उच्च GPU पावर, मेमोरी और लंबे प्रशिक्षण समय की आवश्यकता।
3. व्याख्यात्मकता (Interpretability): जटिल न्यूरल नेटवर्क की "ब्लैक बॉक्स" प्रकृति चिकित्सकों के विश्वास में बाधा डालती है।
4. सामान्यीकरण (Generalization): अधिकांश मौजूदा शोध एकल-कैंसर प्रकारों पर केंद्रित हैं, जिनमें कई कैंसरों के लिए एकीकृत फ्रेमवर्क का अभाव है।

विशेष रूप से, सर्वाइकल कैंसर हिस्टोपैथोलॉजी अनूठी चुनौतियां प्रस्तुत करती है क्योंकि इसमें उच्च इंट्रा-क्लास विषमता (intra-class heterogeneity), ओवरलैपिंग सेलुलर संरचनाएं, स्टेनिंग भिन्नताएं और सूक्ष्म इंटर-क्लास अंतर होते हैं, जो स्वचालित वर्गीकरण को फेफड़ों के कैंसर की तुलना में अधिक कठिन बना देते हैं।

कार्यप्रणाली: AJAD-BoostNet फ्रेमवर्क
लेखक AJAD-BoostNet (एडैप्टिव जॉइंट एनालिसिस एंड डीप बूस्टिंग नेटवर्क) प्रस्तावित करते हैं, जो एक हाइब्रिड फ्रेमवर्क है जो डीप ट्रांसफर लर्निंग, अनसुपरवाइज्ड क्लस्टरिंग, डाइमेंशनलिटी रिडक्शन और सुपरवाइज्ड बूस्टिंग को एकीकृत करता है। यह सिस्टम निम्नलिखित पाइपलाइन के माध्यम से संचालित होता है:

1. प्रीप्रोसेसिंग: छवियों को रीसाइज किया जाता है (सर्वाइकल के लिए 300×300, फेफड़ों के लिए 224×224), नॉर्मलाइज किया जाता है, और स्थानीय कंट्रास्ट को सुधारने और शोर (noise) को कम करने के लिए कॉन्ट्रास्ट लिमिटेड एडेप्टिव हिस्टोग्राम इक्वलाइजेशन (CLAHE) का उपयोग करके एन्हांस किया जाता है।
2. डीप फीचर एक्सट्रैक्शन: उच्च-स्तरीय सिमेंटिक फीचर्स निकालने के लिए एक प्रीट्रेन EfficientNetB3 मॉडल (एल्गोरिदम में नोट किया गया है, हालांकि एब्स्ट्रैक्ट टेक्स्ट में ResNet50 का उल्लेख है) का उपयोग किया जाता है। ग्लोबल एवरेज पूलिंग फीचर वेक्टर्स (EfficientNetB3 के लिए 1536 आयाम) उत्पन्न करती है।
3. डाइमेंशनलिटी रिडक्शन: उच्च-आयामी फीचर वेक्टर्स को मानकीकृत किया जाता है और प्रिंसिपल कंपोनेंट एनालिसिस (PCA) के माध्यम से प्रोसेस किया जाता है। यह मूल भिन्नता (variance) के लगभग 95% को बनाए रखते हुए डाइमेंशनलिटी को कम करता है (फेफड़ों के डेटासेट के लिए 475 घटक और सर्वाइकल के लिए 402 घटक प्राप्त होते हैं)।
4. अनसुपरवाइज्ड क्लस्टरिंग: छवियों को उनके अंतर्निहित फीचर समानता के आधार पर समूहबद्ध करने के लिए K-Means (k=5) का उपयोग करके रिड्यूस्ड फीचर स्पेस को क्लस्टर किया जाता है। यह चरण पिक्सेल-स्तरीय या इमेज-स्तरीय एनोटेशन की आवश्यकता के बिना छवियों को वर्गीकृत करता है।
5. बूस्टिंग रिफाइनमेंट: उन गलत वर्गीकरणों को ठीक करने और कठिन सैंपल्स को संभालने के लिए जिन्हें K-Means के साथ संघर्ष करना पड़ सकता है, ऑगमेंटेड फीचर सेट (मूल फीचर्स और क्लस्टर लेबल्स को जोड़कर) पर एक XGBoost क्लासिफायर को प्रशिक्षित किया जाता है। यह चरण नॉन-लीनियर डिसीजन बाउंड्रीज को सीखता है और क्लस्टरिंग आउटपुट को परिष्कृत करता है।
6. वैलिडेशन: फ्रेम-वर्क का मूल्यांकन मजबूती और सामान्यीकरण सुनिश्चित करने के लिए एक सख्त 10-फोल्ड स्ट्रैटिफाइड क्रॉस-वैलिडेशन रणनीति का उपयोग करके किया जाता है।

प्रमुख योगदान

• हाइब्रिड आर्किटेक्चर: अनसुपरवाइज्ड क्लस्टरिंग (K-Means) को सुपरवाइज्ड बूस्टिंग (XGBoost) के साथ एकीकृत करना एक ऐसा सिस्टम बनाता है जो पूरी तरह से लेबल किए गए डेटासेट पर निर्भरता को कम करता है और उच्च सटीकता बनाए रखता है।
• संसाधन दक्षता: एक प्रीट्रेन फीचर एक्सट्रैक्टर और लाइटवेट क्लस्टरिंग/बूस्टिंग लेयर्स का उपयोग करके, यह फ्रेमवर्क लाखों ट्रेन करने योग्य पैरामीटर्स वाले एंड-टू-एंड डीप लर्निंग मॉडल्स की तुलना में कम्प्यूटेशनल लागत को काफी कम कर देता है।
• बहु-कैंसर अनुप्रयोग क्षमता: फ्रेमवर्क को दो अलग-अलग डेटासेट्स (फेफड़ों के कैंसर के लिए LC25000 और सर्वाइकल कैंसर के लिए IARC) पर मान्य किया गया है, जो न्यूनतम आर्किटेक्चरल परिवर्तनों के साथ विभिन्न पैथोलॉजिकल स्थितियों में अनुकूलन क्षमता प्रदर्शित करता है।
• व्याख्यात्मकता: स्पष्ट क्लस्टर असाइनमेंट और LIME एवं SHAP जैसी एक्सप्लेनेबल एआई (XAI) तकनीकों के साथ XGBoost का उपयोग, निर्णय लेने की प्रक्रिया में पारदर्शिता प्रदान करता है, जिससे यह पहचानना संभव होता है कि कौन से प्रिंसिपल कंपोनेंट्स भविष्यवाणियों को संचालित करते हैं।

प्रायोगिक परिणाम
फ्रेमवर्क का परीक्षण दो बेंचमार्क डेटासेट्स पर किया गया:

• फेफड़ों का कैंसर (LC25000 डेटासेट):

  • मॉडल ने असाधारण प्रदर्शन किया, जिसमें औसत सटीकता (Accuracy) 99.08%, सेंसिटिविटी (Sensitivity) 99.33%, स्पेसिफिसिटी (Specificity) 98.83%, और AUC 99.93% रही।
  • परिणाम 10 फोल्ड्स में अत्यधिक स्थिर थे, जिसमें बहुत कम स्टैंडर्ड डेविएशन (जैसे, AUC SD = 0.15%) देखा गया, जो मजबूत सामान्यीकरण का संकेत देता है।
  • कॉन्फिडेंस इंटरवल संकीर्ण थे, जो घातक (malignant) और सौम्य (benign) फेफड़ों के ऊतकों के बीच अंतर करने में मॉडल की विश्वसनीयता की पुष्टि करते हैं।

• गर्भाशय ग्रीवा का कैंसर (IARC कोलोस्कोपी डेटासेट):

  • डेटासेट की जटिलता (उच्च इंट्रा-क्लास वेरिएंस, स्टेनिंग विसंगतियां) के कारण प्रदर्शन मध्यम रहा।
  • मॉडल ने औसत सटीकता 70.02%, सेंसिटिविटी 64.88%, स्पेसिफिसिटी 74.66%, और AUC 78.25% प्राप्त की।
  • फेफड़ों के कैंसर के परिणामों की तुलना में ये आंकड़े कम होने के बावजूद, लेखक नोट करते हैं कि ये चुनौतीपूर्ण डोमेन में अनसुपरवाइज्ड स्क्रीनिंग के लिए सार्थक प्रगति का प्रतिनिधित्व करते हैं। व्यापक कॉन्फिडेंस इंटरवल मॉडल की अस्थिरता के बजाय डेटा की अंतर्निहित कठिनाई को दर्शाते हैं।

महत्व और दावे
यह पेपर दावा करता है कि AJAD-BoostNet, विशेष रूप से संसाधन-बाधित नैदानिक सेटिंग्स (जैसे, ग्रामीण स्वास्थ्य केंद्र, विकासशील देश) के लिए, जहाँ एनोटेटेड डेटा और हाई-एंड कंप्यूटिंग संसाधन दुर्लभ हैं, पूरी तरह से सुपरवाइज्ड डीप लर्निंग का एक व्यवहार्य विकल्प प्रदान करता है।

लेखकों द्वारा रेखांकित किए गए प्रमुख महत्व के बिंदु निम्नलिखित हैं:

• एनोटेशन बोझ में कमी: यह अनसुपरवाइजेड क्लस्टरिंग का लाभ उठाकर प्रारंभिक ग्रुपिंग के लिए विस्तृत विशेषज्ञ लेबलिंग की आवश्यकता को कम करता है।
• कम्प्यूटेशनल दक्षता: यह शून्य से डीप नेटवर्क को प्रशिक्षित करने के लिए आवश्यक विशाल GPU संसाधनों और लंबे प्रशिक्षण समय से बचता है।
• व्याख्यात्मकता: ब्लैक-बॉक्स डीप लर्निंग मॉडल्स के विपरीत, हाइब्रिड दृष्टिकोण क्लस्टर असाइनमेंट और फीचर इम्पोर्टेंस के विज़ुअलाइज़ेशन की अनुमति देता है, जिससे चिकित्सक का विश्वास बढ़ता है।
• नैदानिक उपयोगिता: इस सिस्टम को प्रारंभिक स्क्रीनिंग और प्राथमिकता निर्धारण के उपकरण के रूप में रखा गया है, जो उच्च-मात्रा या कम-संसाधन वाले वातावरण में पैथोलॉजिस्टों की सहायता करने में सक्षम है।

लेखक निष्कर्ष निकालते हैं कि जबकि फ्रेमवर्क फेफड़ों के हिस्टोपैथोलॉजी पर लगभग पूर्ण प्रदर्शन करता है, यह बुद्धिमान कैंसर निदान के लिए एक मजबूत, व्याख्यात्मक और स्केलेबल आधार प्रदान करता है, जिसमें मल्टी-क्लास ग्रेडिंग, मल्टीमॉडल डेटा फ्यूजन और फेडरेटेड लर्निंग में भविष्य के विस्तार की क्षमता है।