Swin-TCN-XAI: A Hybrid End-to-End Framework for Explainable Multi-Class Brain Tumor MRI Classification

जासूस, जासूस की नोटबुक, और मस्तिष्क का गुप्त कोड

कल्पना कीजिए कि आप एक जटिल, घुमावदार शहर के भीतर एक रहस्य सुलझाने की कोशिश कर रहे हैं एक जासूस के रूप में। यह शहर मानव मस्तिष्क है, और रहस्य एक छिपा हुआ ट्यूमर है। इस शहर को देखने के लिए, आप टॉर्च का उपयोग नहीं करते; आप एक विशेष कैमरे का उपयोग करते हैं जिसे एमआरआई (मैग्नेटिक रेजोनेंस इमेजिंग) कहा जाता है, जो एक किताब के पन्नों की तरह सैकड़ों पतली, स्लाइस-दर-स्लाइस तस्वीरें लेता है। लंबे समय तक, डॉक्टरों को इस किताब का हर एक पन्ना हाथ से पढ़ना पड़ता था, ताकि वे छोटे-छोटे सुराग ढूंढ सकें कि कुछ गलत तो नहीं है। यह थका देने वाला काम था, और कभी-कभी, बेहतरीन जासूस भी सुराग चूक जाते थे क्योंकि तस्वीरें बहुत समान होती थीं या ट्यूमर बहुत पेचीदा दिखता था।

हाल ही में, वैज्ञानिकों ने कंप्यूटर को जासूस बनना सिखाना शुरू किया। उन्होंने "एआई" (आर्टिफिशियल इंटेलिजेंस) मॉडल बनाए जो इन मस्तिष्क चित्रों को देख सकते थे और कह सकते थे, "आह, मुझे यहाँ एक ट्यूमर दिख रहा है!" लेकिन एक समस्या थी। ये कंप्यूटर जासूस अक्सर "ब्लैक बॉक्स" होते थे। वे आपको एक उत्तर तो देते थे, लेकिन वे यह नहीं बता पाते थे कि उन्हें ऐसा क्यों लगा। यह एक ऐसे दोस्त की तरह था जो बिना अपनी सोच दिखाए किसी पहेली का उत्तर दे देता है। चिकित्सा के क्षेत्र में, यह जानना कि क्यों उतना ही महत्वपूर्ण है जितना कि यह जानना कि क्या है। यदि कंप्यूटर कहता है कि किसी मरीज को ट्यूमर है, तो डॉक्टर को यह देखने की आवश्यकता होती है कि कंप्यूटर मस्तिष्क के किस हिस्से को देख रहा है ताकि वह उत्तर पर भरोसा कर सके। यह शोध पत्र एक नए प्रकार की जासूसी टीम का परिचय देता जिसे न केवल अविश्वसनीय गति और सटीकता के साथ रहस्य सुलझाने के लिए, बल्कि अपना काम, चरण-दर-चरण दिखाने के लिए डिज़ाइन किया गया है ताकि डॉक्टर सुरागों की पुष्टि कर सकें।

---

टीम: एक हाइब्रिड जासूसी दल

शोधकर्ताओं ने इस अध्ययन के पीछे एक नई प्रणाली बनाई जिसे वे Swin-TCN-XAI कहते हैं। इस प्रणाली को मस्तिष्क ट्यूमर के मामले को सुलझाने के लिए मिलकर काम करने वाले दो-भागों वाले जासूसी दल के रूप में समझें।

भाग 1: सुपर-ऑब्जर्वर (द स्विन ट्रांसफॉर्मर)
सबसे पहले, एक बहुत ही पैनी नज़र वाले पर्यवेक्षक की कल्पना करें जो मस्तिष्क की तस्वीर की एक एकल परत (पेज) को देखता है। यह पर्यवेक्षक स्विन ट्रांसफॉर्मर (Swin Transformer) है। इसका काम मस्तिष्क के एक स्लाइस को देखना और उन सभी सूक्ष्म विवरणों—आकार, बनावट और पैटर्न—को खोजना है जो ट्यूमर जैसे लग सकते हैं। यह एक एकल छवि में चीजों को पहचानने में बहुत कुशल है, ठीक वैसे ही जैसे आप भीड़ भरी फोटो में एक विशिष्ट पात्र को पहचान सकते हैं।

भाग 2: कहानीकार (द टीसीएन)
लेकिन मस्तिष्क केवल एक चित्र नहीं है; यह आपस में जुड़ी हुई परतों की एक पूरी किताब है। एक ट्यूमर एक पन्ने पर अजीब दिख सकता है लेकिन अगले पन्ने पर सामान्य हो सकता है, या यह कई पन्नों में फैल सकता है। यहीं दूसरा जासूस, टेम्पोरल कन्वोल्यूशनल नेटवर्क (TCN) आता है। जबकि पहला जासूस एक पन्ने को देखता है, TCN पन्नों की कहानी पढ़ता है। यह छवियों के क्रम को देखता है, यह समझता है कि एक स्लाइस दूसरे से कैसे जुड़ता है। यह केवल एक पैनल को देखने के बजाय एक कॉमिक स्ट्रिप पढ़ने जैसा है; यह पन्नों के प्रवाह और उनके बीच के संबंधों को समझता है।

साथ मिलकर काम करते हुए, सुपर-ऑब्जर्वर विवरणों को खोजता है, और कहानीकार समझता है कि वे विवरण 3D स्पेस में एक साथ कैसे फिट होते हैं। शोध पत्र दिखाता है कि यह टीम केवल एक या दूसरे का उपयोग करने की तुलना में बहुत बेहतर काम करती है।

बड़ा परीक्षण: ओवरफिटिंग की अनुमति नहीं!

पिछले कंप्यूटर जासूसों के साथ सबसे बड़ी समस्याओं में से एक यह थी कि वे अपने प्रशिक्षण के दौरान कभी-कभी "ओवरफिटिंग" कर रहे थे। कल्पना कीजिए कि आप एक परीक्षा के लिए पढ़ाई कर रहे हैं, और आपके शिक्षक ने आपको वही सटीक प्रश्न परीक्षा में दे दिए जिनका आपने पहले अभ्यास किया था। आप एक परफेक्ट स्कोर प्राप्त करेंगे, लेकिन आप वास्तव में विषय को नहीं जानते होंगे; आपने बस उत्तरों को रट लिया होगा।

ब्रेन स्कैन की दुनिया में, ऐसा तब होता है जब कंप्यूटर अपने प्रशिक्षण और परीक्षण दोनों में एक ही मरीज के स्लाइस देखता है। यह सीखने के बजाय यह रट सकता है कि "मरीज ए का मस्तिष्क ऐसा दिखता है"।

इस शोध पत्र के लेखकों ने इस बारे में बहुत सख्ती बरती। उन्होंने सुनिश्चित किया कि यदि किसी मरीज के मस्तिष्क के स्लाइस प्रशिक्षण समूह में थे, तो उस मरीज के एक भी स्लाइस को परीक्षण समूह में नहीं रखा गया। यह एक "पेशेंट-वाइज" (मरीज-वार) विभाजन था। इसका मतलब है कि कंप्यूटर को यह साबित करना था कि वह एक बिल्कुल नए मरीज पर ट्यूमर को पहचान सकता है जिसे उसने पहले कभी नहीं देखा। यह वास्तव में यह परीक्षण करने का तरीका है कि एक जासूस वास्तव में स्मार्ट है या केवल रटने वाला।

परिणाम: एक लगभग पूर्ण स्कोर

जब उन्होंने अपनी नई Swin-TCN-XAI टीम को इस सख्त, नो-ओवरफिटिंग चुनौती पर परखा, तो परिणाम आश्चर्यजनक थे।

• सटीकता (Accuracy): सिस्टम 99.41% बार सही था।
• "कोई ट्यूमर नहीं" का मामला: यह स्वस्थ मस्तिष्क को पहचानने में पूर्ण था। इसने कभी भी किसी स्वस्थ व्यक्ति पर ट्यूमर होने का झूठा आरोप नहीं लगाया (100% प्रिसिजन) और कभी भी स्वस्थ मस्तिष्क को नहीं छोड़ा (100% रिकॉल)।
• जटिल मामले: सबसे कठिन प्रकार के ट्यूमर (ग्लायोमा) के लिए भी, सिस्टम अविश्वसनीय रूप से सटीक था, जिसका स्कोर 0.9925 था (एक माप जो यह बताता है कि यह ट्यूमर खोजने और गलतियाँ न करने के बीच कितना अच्छा संतुलन बनाता है)।

इस शोध पत्र ने अपने दल की तुलना पांच अन्य शीर्ष-स्तरीय जासूसी टीमों (विभिन्न AI विधियों जैसे LSTMs या मानक CNNs का उपयोग करते हुए) से की। Swin-TCN टीम ने हर एक पैमाने पर उन्हें पछाड़ दिया। यह केवल थोड़ा बेहतर नहीं था; यह लगातार सर्वश्रेष्ठ था।

"व्याख्यात्मक" जादू: काम दिखाना

इस शोध पत्र का सबसे रोमांचक हिस्सा केवल उच्च स्कोर नहीं है; यह XAI (एक्सप्लेनेबल आर्टिफिशियल इंटेलिजेंस) वाला भाग है। लेखक केवल एक ब्लैक बॉक्स नहीं चाहते थे; वे एक पारदर्शी बॉक्स चाहते थे। उन्होंने कंप्यूटर को अपनी सोच समझाने में मदद करने के लिए तीन अलग-अलग उपकरण जोड़े:

1. ग्रेड-कैम (Grad-CAM - द हाइलाइटर): यह उपकरण मस्तिष्क की छवि लेता है और उन सटीक स्थानों को चमकीले रंगों में हाइलाइट करता है जहाँ कंप्यूटर देख रहा है। यदि कंप्यूटर कहता है "ट्यूमर", तो हाइलाइटर ट्यूमर के ऊपर एक चमकते लाल धब्बे को दिखाता है। शोध पत्र दिखाता है कि कंप्यूटर वास्तव में ट्यूमर को देख रहा है, न कि केवल यादृच्छिक शोर (noise) या खोपड़ी के किनारे को।
2. शैप (SHAP - द स्कोरकार्ड): यह उपकरण निर्णय को एक स्कोरकार्ड की तरह तोड़ता है। यह आपको बताता है कि छवि के किन विशिष्ट हिस्सों ने अंतिम अनुमान में सबसे अधिक योगदान दिया। यह कंप्यूटर के कहने जैसा है, "मैंने 'ट्यूमर' कहा क्योंकि यहाँ की विशिष्ट बनावट और वहाँ के विशिष्ट आकार के कारण ऐसा हुआ।"
3. लाइम (LIME - द लोकल डिटेक्टिव): यह उपकरण एक एकल चित्र को देखता है और पूछता है, "क्या होगा यदि हम इस छोटे से हिस्से को ढक दें? क्या उत्तर बदल जाएगा?" यह सत्यापित करने में मदद करता है कि निर्णय वास्तविक घाव (lesion) पर आधारित है या छवि में किसी अजीब आर्टिफैक्ट पर।

शोध पत्र ने पाया कि तीनों उपकरणों ने एक-दूसरे से सहमति व्यक्त की। वे सभी एक ही शारीरिक स्थानों की ओर इशारा कर रहे थे, जिससे पुष्टि हुई कि कंप्यूटर वास्तविक चिकित्सा संकेतों के आधार पर अपने निर्णय ले रहा था, न कि यादृच्छिक अनुमानों पर।

इसका क्या अर्थ है (और क्या नहीं)

लेखक बहुत स्पष्ट हैं कि उन्होंने क्या हासिल किया है और क्या नहीं। उन्होंने सिद्ध किया है कि यह विशिष्ट हाइब्रिड टीम (Swin + TCN) चार प्रकार की मस्तिष्क स्थितियों के वर्गीकरण के लिए अत्यधिक सटीक और विश्वसनीय है: ग्लिओमा (Glioma), मेनिंजियोमा (Meningioma), पिट्यूटरी ट्यूमर (Pituitary tumors), और "कोई ट्यूमर नहीं"। उन्होंने दिखाया है कि स्लाइस के अनुक्रम (कहानी) को देखना उन्हें एक-एक करके देखने से बेहतर है।

हालाँकि, शोध पत्र यह भी नोट करता है कि यह एक "स्लाइस-दर-स्लाइस" दृष्टिकोण है। कंप्यूटर किताब के पन्नों को एक-एक करके पढ़ता है, भले ही वह उनके क्रम को समझता हो। इसने अभी तक पूरे 3D मस्तिष्क वॉल्यूम को एक साथ देखना नहीं सीखा है, जो जटिल आकारों के लिए और भी बेहतर हो सकता है। इसके अलावा, जबकि सिस्टम यह समझाने में उत्कृष्ट है कि उसने कहाँ देखा, लेखक स्वीकार करते हैं कि यह पूरी तरह से कारण (गहरा "क्यों") को नहीं समझा पाता है जो एक डॉक्टर के निर्णय का स्थान ले सके।

शोध पत्र निष्कर्ष निकालता है कि यह ढांचा डॉक्टरों के लिए एक शक्तिशाली उपकरण है। यह रेडियोलॉजिस्ट को बदलने के लिए नहीं है, बल्कि एक सुपर-स्मार्ट सेकंड ओपिनियन के रूप में कार्य करने के लिए है जो अपना काम दिखाता है, जिससे डॉक्टरों को तेज़ और अधिक आत्मविश्वासपूर्ण निर्णय लेने में मदद मिलती है। यह एक ऐसे भविष्य की ओर एक कदम है जहाँ AI केवल उत्तर नहीं देता, बल्कि हमारे साथ मस्तिष्क के रहस्य को समझने में हमारी मदद करता है।