When Does Saliency-Guided Fusion Help? A Diagnostic Study of Metric- Visual Disagreement in Multimodal Brain Image Fusion

कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन आपके पास केवल दो अलग-अलग प्रकार के सुराग हैं: एक इमारत की वास्तुकला का एक तीक्ष्ण, श्वेत-श्याम रेखाचित्र है, और दूसरा एक धुंधला, चमकता हुआ मानचित्र है जो दिखाता है कि अंदर लोग कहाँ नाच रहे हैं। मेडिकल इमेजिंग की दुनिया में, डॉक्टर एक समान पहेली का सामना करते हैं। उनके पास MRI स्कैन होते हैं, जो मस्तिष्क के कोमल, लचीले विवरणों को एक हाई-डेफिनिशन फोटोग्राफ की तरह दिखाते हैं, और उनके पास PET या SPECT स्कैन होते हैं, जो हीट मैप की तरह काम करते हैं जो दिखाते हैं कि मस्तिष्क कहाँ "सक्रिय" है या ऊर्जा जला रहा है। इनमें से कोई भी तस्वीर अकेले पूरी कहानी नहीं बताती। पूरी तस्वीर पाने के लिए, वैज्ञानिक इन दोनों छवियों को एक "सुपर-इमेज" में मिलाने (फ्यूज करने) की कोशिश करते हैं, जो संरचना के तीखे किनारों और गतिविधि के चमकते डांस फ्लोर दोनों को बनाए रखता है।

बड़ा सवाल हमेशा से यही रहा है: हम उन्हें सबसे बेहतर तरीके से कैसे मिला सकते हैं? वर्षों से, शोधकर्ता सैलियेंसी-गाइडेड फ्यूजन (saliency-guided fusion) नामक एक चतुर तकनीक पर भरोसा करते रहे हैं। इसे एक स्पॉटलाइट की तरह समझें। कंप्यूटर छवियों को स्कैन करता है, "दिलचस्प" हिस्सों (जैसे तीखे किनारे या चमकीले धब्बे) को ढूंढता है, और उन पर एक डिजिटल स्पॉटलाइट डालता है, जिससे मिक्सिंग मशीन को निर्देश मिलता है, "यहाँ विशेष ध्यान दें!" यह धारणा थी कि यह स्पॉटलाइट विधि एक सार्वभौमिक जादू की छड़ी है: यदि आप दिलचस्प हिस्सों की ओर इशारा करते हैं, तो अंतिम तस्वीर हमेशा बेहतर होगी। लेकिन क्या होगा अगर वह स्पॉटलाइट वास्तव में नर्तकों को अंधा कर रही हो? क्या होगा अगर एक चमकते हुए मानचित्र में "दिलचस्प" हिस्से केवल शोर (noise) हों, न कि वास्तविक सुराग? यह मिडल टेक्निकल यूनिवर्सिटी के शोधकर्ताओं के एक नए अध्ययन का रहस्य है जिसे यह सुलझाना था। उन्होंने केवल एक बेहतर मिक्सर नहीं बनाया; उन्होंने एक डायग्नोस्टिक लैब बनाई यह परीक्षण करने के लिए कि क्या स्पॉटलाइट वाली तकनीक वास्तव में काम करती है, या यह एक ऐसी विधि है जो कुछ कमरों में काम करती है लेकिन दूसरों को बर्बाद कर देती है।

वह स्पॉटलाइट जो कभी-कभी अंधा कर देती है

शोधकर्ताओं ने तीन अलग-अलग प्रकार के मिश्रणों के लिए 24 मस्तिष्क छवियों के जोड़ों का उपयोग करके एक नियंत्रित प्रयोग आयोजित किया: MRI के साथ CT (दो संरचनात्मक, तीखे किनारों वाली छवियां), MRI के साथ PET, और MRI के साथ SPECT (संरचनात्मक को कार्यात्मक, चमकते हुए मानचित्रों के साथ मिलाना)। उन्होंने इन छवियों को मिलाने के आठ अलग-अलग तरीकों का परीक्षण किया। कुछ सरल थे, जैसे कि दोनों चित्रों का औसत निकालना (एक "उबाऊ" बेसलाइन)। अन्य वे फैंसी "सैलियेंसी" विधियाँ थीं, जिनमें एक "मल्टी-क्यू" (बहु-संकेत) रणनीति शामिल थी जिसने एक साथ चार अलग-अलग प्रकार की स्पॉटलाइट्स को मिलाने की कोशिश की: स्थानीय गतिविधि, तीखे किनारे, सूक्ष्म बनावट और दोनों छवियों के बीच के अंतर को देखना।

परिणाम चौंकाने वाले थे। अध्ययन में पाया गया कि "मल्टी-क्यू" स्पॉटलाइट रणनीति, जिसे हर कोई अंतिम अपग्रेड होने की उम्मीद कर रहा था, ने वास्तव में एक साधारण औसत की तुलना में महत्वपूर्ण मात्रा में जानकारी खो दी। विशेष रूप से, इसने MRI-CT जोड़ी के लिए म्युचुअल इंफॉर्मेशन (mutual information) (एक माप कि मूल छवियों से कितना उपयोगी डेटा बचा है) को 15.4% कम कर दिया, MRI-PET जोड़ी के लिए 33.4%, और MRI-SPECT जोड़ी के लिए 25.4% कम कर दिया। दूसरे शब्दों में, बहुत अधिक स्मार्ट बनने और "महत्वपूर्ण" हिस्सों को हाइलाइट करने की कोशिश में, कंप्यूटर ने अनजाने में कहानी का एक बड़ा हिस्सा फेंक दिया।

"एक ही आकार सबके लिए" का मिथक

सबसे नाटकीय खोज यह थी कि स्पॉटलाइट ने न केवल विफल होकर काम किया, बल्कि इसने छवि के प्रकार के आधार पर बिल्कुल विपरीत दिशा में काम किया। इसे शोधकर्ता मोडैलिटी-कंडीशन्ड वैलिडिटी (modality-conditioned validity) कहते हैं—एक फैंसी तरीका यह कहने का कि "यह इस पर निर्भर करता है कि आप क्या देख रहे हैं।"

जब शोधकर्ताओं ने MRI और CT (दो तीखी, संरचनात्मक छवियों) को मिलाया, तो सैलियेंसी स्पॉटलाइट एक नायक साबित हुई। इसने साधारण औसत की तुलना में किनारों के संरक्षण में 39.4% का सुधार किया। इसने हड्डियों और मस्तिष्क की संरचनाओं को स्पष्ट और साफ बना दिया।

हालाँकि, जब उन्होंने MRI और PET या MRI के साथ SPECT (एक तीखी छवि को एक चिकनी, चमकती हुई छवि के साथ मिलाना) को बदला, तो वही स्पॉटलाइट एक खलनायक बन गई। MRI-PET जोड़ी के लिए, एज प्रिजर्वेशन (किनारों का संरक्षण) 17.8% गिर गया, और MRI-SPECT जोड़ी के लिए, यह 28.8% तक गिर गया। क्यों? क्योंकि "स्पॉटलाइट" को तीखे किनारों को खोजने के लिए डिज़ाइन किया गया था। PET और SPECT जैसी चिकनी, चमकती छवियों में, वहां बहुत कम तीखे किनारे होते हैं जिन्हें खोजा जा सके। वास्तविक मस्तिष्क गतिविधि को खोजने के बजाय, स्पॉटलाइट ने रैंडम शोर और सॉफ्ट ग्रेडिएंट्स को हाइलाइट करना शुरू कर दिया, जिससे अंतिम छवि साधारण औसत की तुलना में अधिक धुंधली और कम परिभाषित दिखने लगी। अध्ययन ने सिद्ध किया कि एक विधि जो संरचनात्मक छवियों के लिए एक सुपर-वेपन है, वह कार्यात्मक छवियों के लिए एक आपदा हो सकती है।

"फ्रेंकेंस्टीन" मेट्रिक समस्या

पेपर ने यह भी उजागर किया कि वैज्ञानिक आमतौर पर इन मिश्रणों को कैसे आंकते हैं, इसमें एक अजीब सी गड़बड़ी है। उन्होंने छवियों को ग्रेड देने के लिए नौ अलग-अलग मेट्रिक्स (स्कोरकार्ड) का उपयोग किया, जिसमें किनारों की तीक्ष्णता, रंग की सटीकता और सूचना की सामग्री जैसी चीजों को मापा गया। उन्होंने पाया कि सबसे सरल विधि, जिसे मैक्सफ्यूजन (MaxFusion) कहा जाता है (जो बस दोनों छवियों में से सबसे चमकीले पिक्सेल को चुनता है), एक ऐसा तरीका था जो विशिष्ट मेट्रिक्स पर उच्चतम स्कोर करता है, जिससे वह विजेता दिखता है।

लेकिन यहाँ एक मोड़ है: उसी "विजेता" ने सभी तीन छवि प्रकारों पर एन्ट्रॉपी (Entropy) (कुल सूचना समृद्धि का एक माप) पर सबसे कम स्कोर किया। वह एक ही समय में "सर्वश्रेष्ठ" और "सबसे खराब" था, यह इस पर निर्भर करता था कि आप किस स्कोरकार्ड को देख रहे हैं। शोधकर्ताओं ने यह दिखाने के लिए एक "रैंक स्प्रेड" की गणना की कि यह विसंगति कितनी बड़ी है, और मैक्सफ्यूजन ने प्रत्येक छवि जोड़ी पर 7 का अधिकतम संभव स्कोर प्राप्त किया। इसका मतलब है कि यदि कोई शोधकर्ता केवल उन पांच मेट्रिक्स की रिपोर्ट करता है जहाँ मैक्सफ्यूजन जीता, तो वे दावा कर सकते हैं कि यह अब तक की सबसे अच्छी विधि है, जबकि इस तथ्य को छिपा सकते हैं कि यह समग्र सूचना को संरक्षित करने में वास्तव में सबसे खराब था। अध्ययन का तर्क है कि मेट्रिक्स की यह "चेरी-पिकिंग" सच्चाई को छिपा रही है और हमें वास्तविक तस्वीर देखने के लिए स्कोर के पूरे सेट को देखने की आवश्यकता है।

निष्कर्ष: कोई जादू की छड़ी नहीं

अध्ययन निष्कर्ष निकालता है कि चिकित्सा छवियों को फ्यूज करने का कोई सार्वभौमिक "सर्वश्रेष्ठ" तरीका नहीं है। यह विचार कि कई संकेतों (जैसे चार अलग-अलग सैलियेंसी क्यू) को मिलाना अपने आप में एक बेहतर परिणाम देता है, परीक्षण किया गया और गलत पाया गया; मल्टी-क्यू रणनीति किसी भी विशिष्ट छवि प्रकार के लिए एकल सर्वश्रेष्ठ क्यू से बेहतर नहीं रही। वास्तव में, कार्यात्मक छवियों (PET और SPECT) के लिए, साधारण औसत या एक एकल "क्रॉस-मोडैलिटी" क्यू अक्सर जटिल स्पॉटलाइट सिस्टम से बेहतर काम करता है।

शोधकर्ताओं ने मानव दर्शकों के साथ एक छोटा, अनौपचारिक परीक्षण भी चलाया। भले ही कंप्यूटर स्कोरकार्ड पर मैक्सफ्यूजन विधि एक विजेता की तरह दिख रही थी, लेकिन मानव परीक्षकों ने साधारण, अनवेटेड औसत को पसंद किया। कंप्यूटर ने कहा "विजेता!", जबकि इंसानों ने कहा "यह नकली लग रहा है।"

अंततः, यह पेपर मेडिकल इमेजिंग की दुनिया के लिए एक चेतावनी है: यह न मानें कि एक प्रकार की छवि पर काम करने वाला टूल दूसरी प्रकार की छवि पर भी काम करेगा। "सैलियेंसी स्पॉटलाइट" संरचनात्मक विवरणों को तेज करने के लिए एक बेहतरीन उपकरण है, लेकिन यदि आप इसे चिकनी, चमकती हुई कार्यात्मक मानचित्रों पर उपयोग करते हैं, तो यह उन्हीं चीजों को धुंधला कर सकता है जिन्हें आप देखने की कोशिश कर रहे हैं। मेडिकल इमेज फ्यूजन का भविष्य एक एकल, पूर्ण एल्गोरिदम खोजने के बारे में नहीं है; यह यह जानने के बारे में है कि किस विशिष्ट काम के लिए कौन सा सटीक उपकरण उपयोग करना है।