Deep learning–based classification of mesial and distal horizontal projection deviations in intraoral radiographs
यह अध्ययन प्रदर्शित करता है कि फैंटम डेटा पर प्रशिक्षित एक डीप लर्निंग मॉडल इंट्राओरल रेडियोग्राफ में मेसियल और डिस्टल हॉरिजॉन्टल प्रोजेक्शन विचलन को सटीक रूप से वर्गीकृत कर सकता है, जो मानव दंत चिकित्सकों से बेहतर प्रदर्शन करता है और बार-बार इमेजिंग के दौरान दिशात्मक सुधारों के लिए संभावित सहायता प्रदान 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
एक दंत चिकित्सालय की शांत सटीकता में, एक एकल एक्स-रे छवि छिपे हुए क्षय के निदान या जटिल उपचारों की योजना बनाने की कुंजी होती है। एक स्पष्ट चित्र प्राप्त करने के लिए, दंत चिकित्सक को एक्स-रे बीम को बिल्कुल सही कोण पर लक्षित करना चाहिए। यदि बीम थोड़ा भी बाईं या दाईं ओर झुक जाती है, तो दांतों की छाया आपस में मिल जाती है, जिससे वे संपर्क बिंदु धुंधले हो जाते हैं जहाँ अक्सर कैविटी (सड़न) छिपी होती है। यह त्रुटि, जिसे हॉरिजॉन्टल प्रोजेक्शन डेविएशन (क्षैतिज प्रक्षेपण विचलन) के रूप में जाना जाता है, रोगी को रेडिएशन के एक और दौर से गुजरने के लिए मजबूर करती है और दंत चिकित्सक को फिर से शुरुआत करने पर विवश करती है। दशकों से, इसका समाधान पूरी तरह से मानवीय आंखों और अनुभव पर निर्भर रहा है कि बीम किस दिशा में चूक गई है, इसका अनुमान लगाने के लिए। लेकिन जैसे-जैसे आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) डीप लर्निंग के माध्यम से दुनिया को देखना शुरू कर रही है, एक नए प्रकार की सहायता उभर रही है—जो एक धुंधली छवि को देख सकती है और ऑपरेटर को ठीक बता सकती है कि मशीन को सुधारने के लिए उसे किस दिशा में ले जाना है।
कनागावा डेंटल यूनिवर्सिटी के शोधकर्ताओं ने एक ऐसा कंप्यूटर सिस्टम बनाने का लक्ष्य रखा जो इस विशिष्ट निर्णय को लेने में सक्षम हो। वे एक ऐसा मॉडल बनाना चाहते थे जो इंट्राओरल रेडियोग्राफ (मुख के भीतर का एक्स-रे) को देख सके और निर्धारित कर सके कि एक्स-रे बीम मुंह के सामने की ओर, जिसे मेसियल डेविएशन कहा जाता है, या पीछे की ओर, जिसे डिस्टल डेविएशन कहा जाता है, बहुत अधिक झुकी हुई थी। इस प्रणाली को सिखाने के लिए, उन्होंने वास्तविक रोगियों का उपयोग नहीं किया। इसके बजाय, उन्होंने एक विशेष फैंटम के भीतर रखे गए मानव खोपड़ी के एक यथार्थवादी मॉडल का उपयोग किया, जिसमें दांत और जबड़े की हड्डियाँ शामिल थीं। उन्होंने बेसलाइन के रूप में एक आदर्श, सीधी स्थिति में एक्स-रे ट्यूब हेड को स्थापित किया, और फिर जानबूझकर इसे आठ अलग-अलग दिशाओं में घुमाया, इसे पांच से तीस डिग्री के कोण तक झुकाया। इस प्रक्रिया ने उन छवियों का एक पुस्तकालय तैयार किया जो दिखाती हैं कि वास्तव में क्या होता है जब बीम केंद्र से हट जाती है, जिससे दांतों के क्राउन (मुकुट) और जड़ों के ओवरलैप होने के सूक्ष्म बदलावों को कैप्चर किया गया।
शोधकर्ताओं ने इन हजारों छवियों को एक डीप लर्निंग मॉडल में डाला, जो एक प्रकार का कंप्यूटर प्रोग्राम है जिसे मानव मस्तिष्क की तरह ही पैटर्न पहचानने के लिए डिज़ाइन किया गया है। उन्होंने डेटा ऑग्मेंटेशन नामक एक तकनीक का उपयोग किया, जिसमें मूल छवियों को लेना और उनके कई थोड़े बदले हुए और कटे हुए संस्करण बनाना शामिल है। इस युक्ति ने कंप्यूटर को यह सीखने में मदद की कि सेंसर को मुंह में ठीक कहाँ भी रखा गया हो, विचलन को कैसे पहचाना जाए। सिस्टम को दांतों के आकार और उनके बीच के स्थानों को देखने के लिए प्रशिक्षित किया गया था, जिससे वह विशिष्ट दृश्य विकृतियों को त्रुटि की दिशा के साथ जोड़ने में सक्षम हुआ। एक बार प्रशिक्षण पूरा हो जाने के बाद, टीम ने मॉडल का परीक्षण एक दूसरे, अलग खोपड़ी मॉडल से ली गई छवियों के एक पूरी तरह से अलग सेट पर किया जिसे कंप्यूटर ने पहले कभी नहीं देखा था।
परिणाम आश्चर्यजनक थे। चालीस नई छवियों को प्रस्तुत किए जाने पर, कंप्यूटर ने तीस छह छवियों में त्रुटि की दिशा को सही ढंग से पहचाना, जिससे ९० प्रतिशत की सफलता दर प्राप्त हुई। यह देखने के लिए कि मानव विशेषज्ञता के साथ इसकी तुलना कैसे की जाए, पांच अनुभवी दंत चिकित्सकों को उन्हीं छवियों को देखने और त्रुटि की दिशा का अनुमान लगाने के लिए कहा गया। मानव प्रदर्शन में काफी भिन्नता देखी गई; कुछ दंत चिकित्सक अधिकांश समय सही थे, जबकि अन्य केवल एक चौथाई बार सही थे। औसतन, दंत चिकित्सक साठ-दो प्रतिशत उत्तर सही दे पाए। हालाँकि, कंप्यूटर ने पूरे स्तर पर उच्च स्तर की सटीकता बनाए रखी, पांच में से चार दंत चिकित्सकों को पछाड़ दिया और दो को महत्वपूर्ण रूप से पीछे छोड़ दिया। जिन मामलों में कंप्यूटर सही था और दंत चिकित्सक गलत था, वहां मशीन ने उन सूक्ष्म संकेतों को पकड़ लिया था जिन्हें मानवीय आंखें मिस कर गई थीं।
कंप्यूटर इन निर्णयों को कैसे ले रहा था, यह समझने के लिए, शोधकर्ताओं ने एक विज़ुअलाइज़ेशन टूल का उपयोग किया जो छवि के उन हिस्सों को हाइलाइट करता है जिन पर सिस्टम ध्यान केंद्रित कर रहा है। कंप्यूटर ने केवल चित्र के किनारों या बैकग्राउंड के आधार पर अनुमान नहीं लगाया। इसके बजाय, इसने दांतों के क्राउन, दांतों के बीच की सतहों और जड़ों के आसपास के क्षेत्रों पर ध्यान केंद्रित किया। इसने पुष्टि की कि मॉडल वास्तव में उन शारीरिक संरचनाओं का विश्लेषण कर रहा था जो बीम के गलत कोण पर होने पर बदल जाती हैं, न कि छवि के आकस्मिक पैटर्न पर निर्भर था। अध्ययन बताता है कि हालांकि कंप्यूटर अभी दंत चिकित्सक का विकल्प नहीं है, लेकिन यह एक शक्तिशाली 'सेकंड ओपिनियन' के रूप में कार्य कर सकता है। यदि कोई दंत चिकित्सक एक तस्वीर लेता है और छवि स्पष्ट नहीं होती है, तो यह प्रणाली उन्हें तुरंत बता सकती है कि शॉट को ठीक करने के लिए एक्स-रे ट्यूब को थोड़ा आगे या पीछे कैसे ले जाना है, जिससे समय की बचत होती है और रोगी के लिए अनावश्यक रेडिएशन एक्सपोजर कम होता है।
शोधकर्ता सावधानीपूर्वक यह नोट करते हैं कि उनका काम एक पहला कदम है। अध्ययन एक नियंत्रित वातावरण में कृत्रिम खोपड़ियों का उपयोग करके किया गया था, और कंप्यूटर से केवल "आगे" या "पीछे" बताने के लिए कहा गया था, न कि यह गणना करने के लिए कि बीम कितने डिग्री गलत थी। भविष्य के कार्यों में इन प्रणालियों को वास्तविक रोगियों पर और छवि की गुणवत्ता में अधिक जटिल विविधताओं के साथ परीक्षण करने की आवश्यकता होगी। हालाँकि, निष्कर्ष यह दर्शाते हैं कि आर्टिफिशियल इंटेलिजेंस डेंटल इमेजिंग के दौरान होने वाली विशिष्ट ज्यामितीय त्रुटियों को सीख सकता है। इन तकनीकी गलतियों का एक वस्तुनिष्ठ, सुसंगत मूल्यांकन प्रदान करके, ऐसे उपकरण डेंटल एक्स-रे की गुणवत्ता को मानकीकृत करने में मदद कर सकते हैं, यह सुनिश्चित करते हुए कि ली गई प्रत्येक छवि दांतों के बीच छिपे सच को प्रकट करने के लिए पर्याप्त स्पष्ट हो।
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।