An Intelligent Multimodal Deep Learning Framework for Early Diagnosis of Diabetic and Hypertensive Retinopathy Using Retinal Fundus Images

तकनीकी सारांश: डायबिटिक और हाइपरटेंसिव रेटिनोपैथी के शीघ्र निदान के लिए एक इंटेलिजेंट मल्टीमॉडल डीप लर्निंग फ्रेमवर्क

समस्या विवरण
डायबिटिक रेटिनोपैथी (DR) और हाइपरटेंसिव रेटिनोपैथी (HR) विश्व स्तर पर दृष्टिहीनता के प्रमुख कारणों में से हैं। जबकि अंधापन रोकने के लिए शीघ्र निदान महत्वपूर्ण है, वर्तमान नैदानिक पद्धतियां महत्वपूर्ण सीमाओं का सामना कर रही हैं। अधिकांश मौजूदा प्रणालियाँ विशेष रूप से रेटिनल फंडस इमेज विश्लेषण पर निर्भर करती हैं, जो अक्सर महत्वपूर्ण प्रणालीगत नैदानिक बायोमार्कर जैसे कि रक्त ग्लूकोज स्तर (ग्लाइकेटेड हीमोग्लोबिन) और रक्तचाप को अनदेखा करती हैं। यह "केवल-इमेज" दृष्टिकोण, विशेष रूप से शुरुआती चरणों के मामलों में या जब इमेज की गुणवत्ता बदलती है, कम नैदानिक सटीकता का कारण बन सकता है। इसके अलावा, कई मौजूदा मॉडल DR या HR में से किसी एक पर ध्यान केंद्रित करते हैं, न कि एक एकीकृत ढांचे के भीतर दोनों को एक साथ संबोधित करने पर। MATLAB जैसे सुलभ प्रोटोटाइपिंग टूल का उपयोग करके इमेजिंग को इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स (EHR) के साथ एकीकृत करने वाले मल्टीमॉडल सिस्टम में भी एक अंतर मौजूद है।

कार्यप्रणाली
लेखक एक हाइब्रिड, मल्टीमॉडल डीप लर्निंग फ्रेमवर्क का प्रस्ताव करते हैं जिसे MATLAB (R2023a) में कार्यान्वित किया गया है, जो रेटिनल फंडस इमेजेस को प्रणालीगत नैदानिक डेटा के साथ जोड़कर DR और HR दोनों का निदान करता है।

1. डेटा अधिग्रहण: अध्ययन में पुणे, भारत के एक अस्पताल से प्राप्त 1,200 फंडस इमेजेस का उपयोग किया गया, जो संबंधित नैदानिक रिकॉर्ड के साथ थे। डेटासेट में 300 सामान्य मामले, 825 DR मामले (हल्के, मध्यम, गंभीर) और 35 HR मामले शामिल थे। नैदानिक विशेषताओं में ग्लाइकेटेड हीमोग्लोबिन (जिसे टेक्स्ट में इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स के रूप में संदर्भित किया गया है), सिस्टोलिक ब्लड प्रेशर (जिसे सिस्टोलिक इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स के रूप में संदर्भित किया गया है), और रोग की अवधि शामिल थी।
2. प्रीप्रोसेसिंग (पूर्व-प्रसंस्करण):
   • इमेज: फंडस इमेजेस को हिस्टोग्राम इक्वलाइजेशन के माध्यम से कंट्रास्ट एन्हांसमेंट, मीडियन फिल्टरिंग का उपयोग करके शोर (noise) में कमी, ग्रेस्केल में रूपांतरण और ब्राइटनेस नॉर्मलाइजेशन के माध्यम से संसाधित किया गया।
   • नैदानिक डेटा: संख्यात्मक नैदानिक चरों को z-स्कोर स्केलिंग का उपयोग करके सामान्यीकृत (normalize) किया गया।
3. सेगमेंटेशन और फीचर एक्सट्रैक्शन (विशेषता निष्कर्षण):
   • इमेज प्रोसेसिंग: फ्रेमवर्क ने रक्त वाहिकाओं और ऑप्टिक डिस्क सेगमेंटेशन के लिए U-Net, घावों (lesions) के कंटूर के लिए एक्टिव कंटूर मॉडल और एक्सयूडेट (exudate) की पहचान के लिए रीजन ग्रोइंग का उपयोग किया।
   • फीचर एक्सट्रैक्शन: सेगमेंटेड क्षेत्रों से डीप फीचर्स को CNN का उपयोग करके निकाला गया।
4. मल्टीमॉडल फ्यूजन और क्लासिफिकेशन:
   • सिस्टम एक इंटरमीडिएट (जॉइंट) फ्यूजन रणनीति का उपयोग करता है। इमेज फीचर्स (CNN/विज़न ट्रांसफार्मर के माध्यम से निकाले गए) और नैदानिक फीचर्स (MLP या टेक्स्ट एनकोडर के माध्यम से एनकोड किए गए) को एक संयुक्त लेटेंट रिप्रेजेंटेशन बनाने के लिए संयोजित या अटेंशन मैकेनिज्म का उपयोग करके फ्यूज किया जाता है।
   • फ्यूज किए गए फीचर्स को रोग लेबल की भविष्यवाणी करने के लिए एक क्लासिफिकेशन लेयर (Softmax) के माध्यम से भेजा जाता है।
   • मॉडल आर्किटेक्चर डीप लर्निंग (CNN) को नैदानिक डेटा प्रोसेसिंग (MLP एनकोडर) और गेटेड फ्यूजन मैकेनिज्म के साथ एकीकृत करता है।
5. वैलिडेशन (सत्यापन): डेटासेट को प्रशिक्षण (70%), सत्यापन (15%), और परीक्षण (15%) सेटों में विभाजित किया गया था। स्थिरता सुनिश्चित करने और ओवरफिटिंग को रोकने के लिए मॉडल का मूल्यांकन 10-फोल्ड क्रॉस-वैलिडेशन का उपयोग करके किया गया।

प्रमुख योगदान

• दोहरी पैथोलॉजी डिटेक्शन: कई पूर्व कार्यों के विपरीत, जो केवल एक बीमारी पर ध्यान केंद्रित करते हैं, यह फ्रेमवर्क एक साथ दोनों डायबिटिक और हाइपरटेंसिव रेटिनोपैथी का निदान करता है।
• मल्टीमॉडल इंटीग्रेशन: यह अध्ययन इमेजिंग को प्रणालीगत बायोमार्कर (ग्लाइकेटेड हीमोग्लोबिन और रक्तचाप) के साथ फ्यूज करने की प्रभावकारिता को प्रदर्शित करता है ताकि केवल-इमेज मॉडल्स की सीमाओं को दूर किया जा सके।
• MATLAB कार्यान्वयन: फ्रेमवर्क पूरी तरह से MATLAB में विकसित किया गया है, जो चिकित्सा प्रोटोटाइपिंग और संसाधन-सीमित वातावरण के लिए एक स्केलेबल, कम लागत वाला समाधान प्रदान करता है।
• हाइब्रिड आर्किटेक्चर: डीप लर्निंग (CNN) को नैदानिक डेटा प्रोसेसिंग (MLP) के साथ एकीकृत करने से एक मजबूत डायग्नोस्टिक टूल बनता है जो स्थानीय रेटिनल लीजन और प्रणालीगत शारीरिक संदर्भ दोनों को कैप्चर करता है।

परिणाम
प्रस्तावित मल्टीमॉडल फ्रेमवर्क ने सिंगल-मोडैलिटी बेसलाइन की तुलना में बेहतर प्रदर्शन किया:

• सटीकता (Accuracy): हाइब्रिड मॉडल ने 98% की समग्र सटीकता प्राप्त की।
• तुलना: इसने इमेज-ओनली CNN मॉडल्स (91.82% सटीकता) और क्लिनिकल-डेटा-ओनली रैंडम फॉरेस्ट मॉडल्स (85.90% सटीकता) को पीछे छोड़ दिया।
• मेट्रिक्स: मॉडल ने 96.04% की संवेदनशीलता (Sensitivity), 98.10% की विशिष्टता (Specificity), 0.976 का F1-स्कोर और 0.98 का AUC प्राप्त किया।
• त्रुटि में कमी: नैदानिक डेटा के एकीकरण ने बेसलाइन CNN दृष्टिकोणों की तुलना में फॉल्स नेगेटिव को लगभग 40% कम कर दिया, जिससे विशेष रूप से शुरुआती चरण के DR और HR का पता लगाने में सुधार हुआ।
• सांख्यिकीय महत्व: एक पेयर्ड टी-टेस्ट (paired t-test) ने पुष्टि की कि नैदानिक विशेषताओं के समावेश से सटीकता में सांख्यिकीय रूप से महत्वपूर्ण सुधार हुआ (p < 0.001)। ANOVA परीक्षण ने भी मोडैलिटी प्रकार का महत्वपूर्ण मुख्य प्रभाव दिखाया (F(2, 27) = 23.6, p < 0.0005)।
• सामान्यीकरण (Generalization): मॉडल ने विभिन्न जनसांख्यिकीय समूहों (आयु 35-75) और रोग के चरणों में 95% से ऊपर की सटीकता बनाए रखी।

महत्व और दावे
पेपर का दावा है कि यह मल्टीमॉडल फ्रेमवर्क पारंपरिक केवल-इमेज विधियों से एक "क्वांटम लीप" (बड़ी छलांग) का प्रतिनिधित्व करता है, जो नैदानिक संवेदनशीलता को महत्वपूर्ण रूप से बढ़ाता है, विशेष रूप से शुरुआती चरण के मामलों के लिए जहाँ दृश्य संकेत सूक्ष्म होते हैं। प्रणालीगत संदर्भ (ग्लाइकेटेड हीमोग्लोबिन और रक्तचाप) को शामिल करके, सिस्टम फॉल्स नेगेटिव को कम करता है और जोखिम वर्गीकरण में सुधार करता है।

लेखक का तर्क है कि यह फ्रेमवर्क विशेष रूप से उपयोगी है:

• स्क्रीनिंग और टेलीमेडिसिन के लिए: बड़े पैमाने पर नेत्र संबंधी स्क्रीनिंग के लिए एक स्केलेबल, कम लागत वाला समाधान प्रदान करना, विशेष रूप से उन क्षेत्रों में जहाँ विशेषज्ञ तक पहुँच सीमित है।
• क्लिनिकल डिसीजन सपोर्ट के लिए: एक पूर्ण जोखिम मूल्यांकन प्रदान करना जो तेज़ और अधिक सटीक निर्णय लेने में सहायता करता है।
• दोहरे निदान के लिए: एक ही इमेज अधिग्रहण पथ के माध्यम से DR और HR दोनों की स्क्रीनिंग सक्षम करना।

अध्ययन निष्कर्ष निकालता है कि हालांकि वर्तमान परिणाम आशाजनक हैं, भविष्य के कार्य को मल्टी-सेंटर डेटा के साथ मॉडल को मान्य करने, पॉइंट-ऑफ-केयर डायग्नोसिस के लिए सिस्टम को मोबाइल डिवाइस पर लागू करने और रोग की प्रगति और उपचार प्रतिक्रिया को ट्रैक करने के लिए अनुदैर्ध्य (longitudinal) अध्ययन करने पर ध्यान केंद्रित करना चाहिए।