BoneNet: A Multimodal Deep Learning Framework with Dual-Modality Explainability for Automated Peri-Implant Bone Loss Detection and Severity Grading

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन उंगलियों के निशान खोजने के बजाय, आप एक दांत की नींव में सूक्ष्म दरारें खोज रहे हैं। दंत चिकित्सा की दुनिया में, जब एक धातु का पेंच (एक इम्प्लांट) को नकली दांत को थामने के लिए जबड़े की हड्डी में लगाया जाता है, तो उसके आसपास की हड्डी कभी-कभी सिकुड़ने लगती है। इसे "पेरी-इम्प्लांट बोन लॉस" (peri-implant bone loss) कहा जाता है। यदि कोई डेंटिस्ट इस सिकुड़न को मिस कर देता है, तो नकली दांत बाहर निकल सकता है, जिससे दर्दनाक और महंगे उपचार की आवश्यकता हो सकती है। आमतौर पर, डेंटिस्टों को इन सूक्ष्म अंतरालों को मापने के लिए एक्स-रे तस्वीरों को घूरना पड़ता है और स्केल का उपयोग करना पड़ता है। यह धीमा है, और अलग-अलग डेंटिस्ट एक ही अंतराल को अलग-अलग तरह से माप सकते हैं।

यहाँ आर्टिफिशियल इंटेलिजेंस (AI) की दुनिया आती है, विशेष रूप से "डीप लर्निंग" (Deep Learning) नामक एक प्रकार। इसे एक कंप्यूटर को पैटर्न पहचानने के लिए सिखाने के रूप में सोचें जिसे मानवीय आँखें मिस कर सकती हैं, जैसे कि एक सुपर-पावर्ड छात्र जिसने लाखों एक्स-रे का अध्ययन किया हो। लक्ष्य एक ऐसा कंप्यूटर प्रोग्राम बनाना है जो न केवल हड्डी के सिकुड़ने का पता लगा सके, बल्कि यह भी बता सके कि यह कितना गंभीर है और अंतराल कितना गहरा है। लेकिन यहाँ पेचीदा हिस्सा यह है कि कंप्यूटर यह पहचानने में तो माहिर हैं कि कहाँ कुछ हो रहा है, लेकिन वे कभी-कभी यह समझने में संघर्ष करते हैं कि यह कितना गंभीर है, खासकर जब सुराग बहुत सूक्ष्म हों। यह शोध पत्र एक स्मार्ट जासूस बनाने के बारे में है जो न केवल तस्वीर देखता है बल्कि सही उत्तर प्राप्त करने के लिए गणित भी करता है।

---

शोध पत्र: बोननेट (BoneNet), सुपर-डिटेक्टिव डेंटिस्ट

RV यूनिवर्सिटी के मुरलीधर बिल्ला और उनकी टीम के शोधकर्ताओं ने बोन लॉस (हड्डी के नुकसान) को पकड़ने के लिए परम AI टूल बनाने का लक्ष्य रखा। वे केवल एक ऐसा टूल नहीं चाहते थे जो यह कहे, "हे, यहाँ एक समस्या है!" वे चाहते थे कि यह समस्या को "कोई चिंता नहीं" से लेकर "क्रिटिकल इमरजेंसी" तक ग्रेड कर सके और यहाँ तक कि बोन लॉस की गहराई को मिलीमीटर में भी माप सके।

जासूस का प्रशिक्षण: नौ पोशाकें आज़माना
अपना विशेष टूल बनाने से पहले, टीम ने यह देखने के लिए कि कौन सा AI "पोशाक" (आर्किटेक्चर) बोन लॉस खोजने में सबसे अच्छा है, नौ मौजूदा AI मॉडल्स का परीक्षण करने का निर्णय लिया। उन्होंने इन्हें अलग-अलग जूतों की जोड़ी की तरह माना और 519 एक्स-रे छवियों के एक संतुलित सेट पर सभी का परीक्षण किया। अधिकांश जूते अच्छी तरह फिट हुए, लेकिन एक मॉडल सबसे अलग था: YOLOv8m। यह बोन लॉस खोजने में सबसे तेज़ और सबसे सटीक था, लेकिन टीम को लगा कि इसमें सुधार किया जा सकता है। उन्होंने महसूस किया कि बोन लॉस केवल एक आकार का नहीं होता; इसमें सूक्ष्म बनावट और बड़े, व्यापक क्षेत्र दोनों होते। मानक YOLOv8m एक 'वन-साइज़-फिट्स-ऑल' जूतों की तरह था—यह काम तो करता था, लेकिन यह समस्या के विशिष्ट आकार के लिए पूरी तरह से अनुकूलित नहीं था।

अपग्रेड: बोननेट (BoneNet)
इसलिए, टीम ने अपना कस्टम जासूस बनाया, जिसका नाम उन्होंने BoneNet रखा। उन्होंने YOLOv8m के सबसे अच्छे हिस्सों को लिया और इसके आंतरिक इंजन को बदल दिया। मानक ब्लॉक्स के बजाय, उन्होंने इसमें डिलेटेड रेसिडुअल अटेंशन ब्लॉक्स (DRAB) नामक कुछ इंस्टॉल किया।

• उपमा: एक मानचित्र को देखने की कल्पना करें। एक सामान्य कैमरा एक स्थान पर ज़ूम करता है। DRAB एक ही समय में दो जोड़ी चश्मे पहनने जैसा है: एक वाइड-एंगल लेंस वाला जो हड्डी के बड़े चित्र को देख सके, और दूसरा ज़ूम लेंस वाला जो हड्डी की दरारों की सूक्ष्म बनावट को देख सके। इन दोनों दृश्यों को मिलाकर, BoneNet बोन लॉस को बहुत अधिक स्पष्टता से देख सकता है।
• परिणाम: इस अपग्रेड ने BoneNet को अविश्वसनीय रूप से सटीक बना दिया। इसने 0.9660 का स्कोर प्राप्त किया (एक माप जो यह बताता है कि यह बोन लॉस को कितनी अच्छी तरह पाता है और रेखांकित करता है), जो सबसे अच्छे मानक मॉडल की तुलना में 3.83-पॉइंट का सुधार था। इसके अलावा, यह वास्तव में हल्का और तेज़ था, और कम कंप्यूटर संसाधनों का उपयोग करता था।

गुप्त हथियार: एक "गणितीय मस्तिष्क" जोड़ना
यहीं पर शोध पत्र वास्तव में दिलचस्प हो जाता है। टीम ने महसूस किया कि एक अत्यंत सटीक डिटेक्टर होने के बावजूद, AI अभी भी बोन लॉस की गंभीरता का अनुमान लगाने में संघर्ष कर रहा था। यह स्थान तो ढूंढ सकता था, लेकिन यह सुनिश्चित नहीं कर पा रहा था कि यह ग्रेड 1 (हल्का) है या ग्रेड 4 (गंभीर) की समस्या है।

• समस्या: केवल तस्वीर देखना पर्याप्त नहीं था। यह एक फोटो देखकर सूटकेस के वजन का अनुमान लगाने जैसा है; आप यह नहीं बता सकते कि वह पंखों से भरा है या ईंटों से।
• समाधान: उन्होंने AI को एक "गणितीय मस्तिष्क" दिया। उन्होंने उन ज्यामितीय मापों को लिया जिन्हें एक मानव विशेषज्ञ एक्स-रे से गणना करेगा (जैसे क्षेत्रफल, परिधि और बोन लॉस का आकार) और उन्हें संख्याओं के रूप में AI में फीड किया।
• फ्यूजन (मिश्रण): उन्होंने एक विशेष "क्रॉस-अटेंशन" नेटवर्क का उपयोग किया ताकि चित्र और संख्याएँ एक-दूसरे से बात कर सकें।
• परिणाम: यह एक बड़ा गेम-चेंजर साबित हुआ। चित्र और गणित दोनों का उपयोग करने पर, गंभीरता ग्रेड का अनुमान लगाने की AI की क्षमता 50.79% (लगतः केवल अनुमान लगाना) से बढ़कर 85.96% हो गई। यह साबित करता है कि इस विशिष्ट कार्य के लिए, आप केवल छवि पर भरोसा नहीं कर सकते; आपको ज्यामितीय संख्याओं की भी आवश्यकता है।

गहराई मापना: रूलर टेस्ट (Scale Test)
टीम ने यह भी जानना चाहती थी कि बोने लॉस वास्तव में कितने मिलीमीटर गहरा है। उन्होंने इसके लिए एक अलग गणित-केंद्रित AI (जिसे XGBoost कहा जाता है) को प्रशिक्षित किया।

• परिणाम: औसतन, AI केवल 0.638 mm की त्रुटि कर रहा था। दंत चिकित्सा की दुनिया में, ±1 mm के भीतर होना स्वीकार्य माना जाता है, इसलिए यह एक सफलता है!
• सावधानी: शोध पत्र एक खामी के बारे में बहुत ईमानदार है। हालांकि औसत अच्छा था, लेकिन जैसे-जैसे बोन लॉस बढ़ता गया, AI का प्रदर्शन बहुत खराब होता गया। हल्के मामलों के लिए, यह सटीक था। लेकिन सबसे गंभीर मामलों (ग्रेड 4) के लिए, त्रुटि बढ़ गई, और केवल 42.9% भविष्यवाणियां सुरक्षित 1 mm की सीमा के भीतर थीं। लेखक बताते हैं कि ऐसा इसलिए है क्योंकि उनके पास प्रशिक्षण डेटा में गंभीर मामलों के पर्याप्त उदाहरण नहीं थे ताकि AI को सबसे खराब परिदृश्यों को संभालने के लिए सिखाया जा सके।

जासूस के प्रशिक्षण डेटा पर एक महत्वपूर्ण नोट
डेटा के बारे में एक महत्वपूर्ण विवरण है। अध्ययन में 135 एक्स-रे छवियां थीं, लेकिन इनमें से कुछ छवियों में कई इम्प्लांट्स थे। जब उन्होंने परीक्षण के लिए डेटा को विभाजित किया, तो उन्होंने रोगियों के बजाय इम्प्लांट्स को अलग किया। इसका मतलब है कि एक ही एक्स-रे इमेज के हिस्से प्रशिक्षण समूह और परीक्षण समूह दोनों में जा सकते थे।

• यह क्यों मायने रखता है: यह एक जासूस को उस अभ्यास टेस्ट देने जैसा है जिसमें वे वही प्रश्न देख चुके हैं जो उनके अध्ययन गाइड में शामिल थे क्योंकि वे एक ही स्रोत से आए थे। यह "डेटा लीकेज" का जोखिम पैदा करता है, जिसका अर्थ है कि टेस्ट स्कोर वास्तविक दुनिया में नए रोगियों को देखे बिना मिलने वाले स्कोर से थोड़े अधिक हो सकते हैं। लेखक इस बारे में पारदर्शी हैं, यह नोट करते हुए कि उनकी रिपोर्ट की गई सटीकता एक "अपर बाउंड" (सर्वश्रेष्ठ मामला) है, जब तक कि वे पूरी तरह से रोगी-आधारित डेटा के साथ सिस्टम का परीक्षण नहीं कर लेते।

"क्यों" और "कैसे": इसे पारदर्शी बनाना
अंत में, टीम यह सुनिश्चित करना चाहती थी कि AI केवल रैंडम अनुमान नहीं लगा रहा है। उन्होंने AI के दिमाग के अंदर झांकने के लिए दो उपकरणों का उपयोग किया:

1. EigenCAM: यह एक्स-रे के उन हिस्सों को हाइलाइट करता है जिन्हें AI देख रहा है। उन्होंने पाया कि हल्के मामलों के लिए, AI हड्डी के ऊपरी हिस्से को देखता था, लेकिन गंभीर मामलों के लिए, यह इम्प्लांट के नीचे के हिस्से को देखता था। यह वही है जो मानव डेंटिस्ट करते हैं।
2. SHAP: इस टूल ने संख्याओं को देखा। इसने दिखाया कि AI बोन लॉस के "परिधि" (किनारे की लंबाई) पर ध्यान दे रहा था, जो पूरी तरह से तर्कसंगत है: एक लंबा, ऊबड़-खाबड़ किनारा आमतौर पर अधिक गहरी समस्या का संकेत देता है।

निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि BoneNet बोन लॉस को पहचानने और ग्रेड करने के लिए एक अत्यधिक प्रभावी उपकरण है, लेकिन यह सबसे अच्छा तब काम करता है जब यह छवि की "आंखों" को ज्यामितीय मापों के "गणित" के साथ जोड़ता है। हालांकि, लेखक सावधानी बरतते हुए कहते हैं कि हालांकि यह टूल हल्के से मध्यम मामलों के लिए बेहतरीन है, लेकिन इसे अकेले सबसे गहरे बोन लॉस को मापने के लिए पूरी तरह से भरोसेमंद होने से पहले और अधिक प्रशिक्षण की आवश्यकता है। वे यह भी नोट करते हैं कि डेटा विभाजन के तरीके के कारण, वर्तमान परिणाम थोड़े आशावादी हो सकते हैं। वे सुझाव देते हैं कि फिलहाल, यह डेंटिस्टों के लिए मरीजों को वर्गीकृत करने में मदद करने के लिए एक शानदार सहायक है, लेकिन एक इंसान को हमेशा सबसे गंभीर मामलों की दोबारा जांच करनी चाहिए।