A Preliminary CNN Baseline for Breast Ultrasound Classification in MATLAB, with Exploratory IDC/ILC Labels: Toward Explainable Breast Imaging AI
यह शोध पत्र BrEaST डेटासेट का उपयोग करके बाइनरी मैलिग्नेंट (घातक) बनाम नॉन-मैलिग्नेंट (गैर-घातक) ब्रेस्ट अल्ट्रासाउंड वर्गीकरण के लिए एक प्रारंभिक MATLAB-आधारित CNN बेसलाइन स्थापित करता है, जो बेहतर टेस्ट सटीकता प्राप्त करता है और साथ ही अन्वेषणात्मक सबटाइप लेबलिंग और व्याख्यात्मकता (एक्सप्लेनेबिलिटी) को प्रमाणित परिणामों के बजाय भविष्य के अनुसंधान दिशाओं के रूप में स्पष्ट रूप से रूपरेखाबद्ध 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
मानव शरीर की कल्पना एक विशाल, रहस्यमय शहर के रूप में करें, और डॉक्टरों को उन जासूसों के रूप में जो इसके सबसे महत्वपूर्ण रहस्यों को सुलझाने की कोशिश कर रहे हैं। कभी-कभी, सुराग बहुत गहराई में छिपे होते हैं, जहाँ एक साधारण टॉर्च नहीं पहुँच सकती। यहीं पर मेडिकल इमेजिंग काम आती है, जो एक सुपर-पावर्ड एक्स-रे विजन की तरह काम करती है जो डॉक्टरों को बिना एक भी कट लगाए अंदर झाँकने देती है। इन उपकरणों के बीच, ब्रेस्ट अल्ट्रासाउंड एक मिलनसार, गैर-आक्रामक स्काउट की तरह है जो स्तन ऊतकों (टिश्यू) के भीतर क्या हो रहा है, इसकी तस्वीरें बनाने के लिए ध्वनि तरंगों का उपयोग करता है। यह गांठों को पहचानने में बहुत अच्छा है, लेकिन एक हानिरहित उभार (जैसे केक में बुलबुला) और एक खतरनाक उभार (जैसे तूफान का बादल) के बीच अंतर करना कठिन हो सकता है। छवियां अक्सर धुंधली होती हैं, इस पर निर्भर करती हैं कि प्रोब कौन पकड़े हुए है, और हर बार अलग दिखती हैं। यहीं पर आर्टिफिशियल इंटेलिजेंस (AI) आता है, जो एक अथक, अत्यंत सतर्क सहायक के रूप में उन पैटर्न को पहचानने की उम्मीद करता है जिन्हें इंसान शायद छोड़ दें। लेकिन अस्पताल में एक भरोसेमंद साथी बनने के लिए, AI को सावधानीपूर्वक प्रशिक्षित करने, कड़ाई से परीक्षण करने और—सबसे महत्वपूर्ण बात—यह समझाने की आवश्यकता है कि वह एक निर्णय क्यों लेता है, न कि केवल अनुमान लगाने की।
यह शोध पत्र एक युवा शोधकर्ता इष्ानी चोवतिया की एक "डे वन" (पहले दिन की) रिपोर्ट की तरह है, जो उस AI साइडकिक का एक बहुत ही पहला संस्करण बना रही हैं। इसे मांसपेशियों या मस्तिष्क को जोड़ने से पहले एक रोबोट के कंकाल के निर्माण के रूप में समझें। शोधकर्ता ने ब्रेस्ट अल्ट्रासाउंड छवियों के एक सार्वजनिक संग्रह का उपयोग किया जिसे 'BrEaST' डेटासेट कहा जाता है, जिसमें 256 स्कैन शामिल हैं। उन्होंने एक प्रकार के AI को सिखाया जिसे 'कन्वोल्यूशनल न्यूरल नेटवर्क' (CNN) कहा जाता है—जो मूल रूप से चित्रों को देखने के लिए डिज़ाइन किया गया एक डिजिटल मस्तिष्क है—ताकि वह इन छवियों को दो ढेरों में वर्गीकृत कर सके: "मैलिग्नेंट" (खतरनाक) और "नॉन-मैलिग्नेंट" (सुरक्षित)। उन्होंने यह सब MATLAB का उपयोग करके किया, जो गणित और इंजीनियरिंग के लिए एक लोकप्रिय सॉफ्टवेयर टूल है।
परिणाम "अच्छी शुरुआत" और "अभी भी सीख रहा है" का मिश्रण हैं। जब AI ने पहली बार अनुमान लगाने की कोशिश की, तो उसने लगभग 70.88% उत्तर सही दिए। कुछ सुधार और प्रशिक्षण के बाद, बेहतर संस्करण 78.43% सटीकता तक पहुँच गया। यह एक कदम आगे की ओर है, जैसे कि एक छात्र अपने टेस्ट स्कोर में सुधार करता है, लेकिन शोध पत्र बहुत स्पष्ट है: यह अभी एक वास्तविक अस्पताल के लिए तैयार नहीं है। वास्तव में, AI खतरनाक मामलों (एक मीट्रिक जिसे "रिकॉल" कहा जाता है) को पहचानने में कमजोर हो गया, जबकि सटीक होने में थोड़ा बेहतर हुआ। यह एक सुरक्षा गार्ड की तरह है जो कम निर्दोष लोगों को रोकता है लेकिन कुछ वास्तविक खतरों को भी चूक जाता है। शोधकर्ता ने यह भी देखने की कोशिश की कि क्या AI केवल डेटासेट में लिखे टेक्स्ट नोट्स को पढ़कर कैंसर के दो विशिष्ट प्रकारों (IDC और ILC) के बीच अंतर कर सकता है, लेकिन उदाहरण इतने कम थे कि वह उस हिस्से के लिए एक विश्वसनीय स्कोर नहीं दे सकीं।
शायद इस शोध पत्र का सबसे ईमानदार हिस्सा वह है जो यह नहीं करता है। शोधकर्ता स्वीकार करती हैं कि यह AI एक "ब्लैक बॉक्स" है—यह एक अनुमान लगाता है, लेकिन हमें यह नहीं पता कि छवि के किस हिस्से ने इसे "खतरा" सोचने पर मजबूर किया। उन्होंने AI को अपने तर्क समझाने के लिए किसी विशेष उपकरण का उपयोग नहीं किया, और वे स्पष्ट रूप से कहती हैं कि यह एक प्रारंभिक बेसलाइन है, कोई तैयार उत्पाद नहीं। लक्ष्य विजय का दावा करना नहीं है, बल्कि एक स्पष्ट, प्रलेखित शुरुआती बिंदु स्थापित करना है। यह एक मानचित्र है जो दिखाता है कि यात्रा कहाँ से शुरू हुई, इस वादे के साथ कि भविष्य के कार्य इसमें छूटे हुए हिस्सों को जोड़ देंगे: बेहतर प्रशिक्षण, एक निश्चित योजना ताकि परिणामों को ठीक से दोहराया जा सके, और AI की यह कहने की क्षमता कि, "मुझे लगता है कि यह कैंसर है क्योंकि मैं ये विशिष्ट आकार देख रहा हूँ," ताकि डॉक्टर इस पर भरोसा कर सकें। तब तक, यह AI एक आशाजनक छात्र है, अभी तक प्रमाणित डॉक्टर नहीं।
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।