Cross-center sex estimation from patellar CT: multi-feature transformer fusion of morphometry, radiomics, and deep features
यह अध्ययन एक सुदृढ़ मल्टी-फीचर ट्रांसफॉर्मर फ्यूजन फ्रेमवर्क प्रस्तुत करता है जो अत्यधिक सटीक और सामान्यीकरण योग्य लिंग अनुमान प्राप्त करने के लिए सीटी स्कैन से पटेला मोर्फोमेट्री, रेडियोमिक्स और डीप लर्निंग फीचर्स को एकीकृत करता है, जो सिंगल-फीचर मॉडल्स और फोरेंसिक विशेषज्ञों से बेहतर प्रदर्शन करते हुए प्रसंस्करण समय को महत्वपूर्ण रूप से कम 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
किसी आपदा या अपराध के बाद की शांत स्थिति में, फॉरेंसिक वैज्ञानिक एक कठिन पहेली का सामना करते हैं: यह व्यक्ति कौन था? उस पहेली को सुलझाने में पहला और सबसे महत्वपूर्ण कदम अवशेषों के लिंग का निर्धारण करना है। दशकों से, विशेषज्ञ श्रोणि (pelvis) और खोपड़ी की ओर देखते आए हैं, वे हड्डियाँ जो नर और मादा के बीच शारीरिक अंतर को सबसे स्पष्ट रूप से दर्शाती हैं। लेकिन सामूहिक आपदाओं या प्राचीन स्थलों की अराजक वास्तविकता में, ये हड्डियाँ अक्सर टूटी हुई, जली हुई या पूरी तरह से गायब होती हैं। जब सामान्य सुराग लुप्त हो जाते हैं, तो जांचकर्ताओं को कंकाल के अन्य हिस्सों की ओर मुड़ना पड़ता है। ऐसा ही एक उत्तरजीवी घुटने की चक्की (kneecap) है, एक छोटी, घनी हड्डी जो शरीर के बाकी हिस्सों की तुलना में आग और आघात को बेहतर तरीके से झेल लेती है। हालांकि यह श्रोणि की तुलना में छोटी और कम स्पष्ट है, फिर भी यह अपने आकार और बनावट के भीतर जैविक लिंग का एक छिपा हुआ मानचित्र वहन करती है, जिसे पढ़ने के लिए प्रतीक्षा है।
किंगहाई विश्वविद्यालय और उससे जुड़े अस्पतालों के शोधकर्ताओं की एक टीम ने उस मानचित्र को पढ़ने का एक नया तरीका विकसित किया है। उन्होंने एक कंप्यूटर सिस्टम बनाया है जो एक 'सुपर-ऑब्जर्वर' की तरह काम करता है, जो यह अनुमान लगाने के लिए कि घुटने की चक्की का संबंध पुरुष से था या महिला से, तीन अलग-अलग तरीकों को जोड़ता है। केवल एक विधि पर निर्भर रहने के बजाय, यह प्रणाली आकार के सरल माप, हड्डी की आंतरिक बनावट के विस्तृत विश्लेषण और हड्डी के समग्र रूप की गहरी, अमूर्त समझ को मिलाती है। कंप्यूटर को इन सभी संकेतों को एक साथ तौलना सिखाकर, शोधकर्ताओं ने पाया कि वे लिंग अनुमान को वर्तमान मानवीय तरीकों की तुलना में अधिक तेज़, सुसंगत और सटीक बनाने का एक तरीका खोज सकते हैं, भले ही हड्डी के स्कैन अलग-अलग अस्पतालों या अलग उपकरणों से आए हों।
अध्ययन की शुरुआत किंगहाई प्रांत के दो अस्पतालों के घुटने के स्कैन के एक बड़े संग्रह के साथ हुई। शोधकर्ताओं ने 836 लोगों के चित्र एकत्र किए, जिनमें से स्वस्थ घुटनों और स्पष्ट छवियों वाले लोगों को सावधानीपूर्वक चुना गया। उन्होंने इन्हें दो समूहों में विभाजित किया: एक बड़ा समूह कंप्यूटर को पैटर्न पहचानने के लिए सिखाने के लिए, और एक छोटा, अलग समूह यह परीक्षण करने के लिए कि क्या कंप्यूटर सीखी गई बातों को नए, अनदेखे डेटा पर लागू कर सकता है। अपने उपकरण का निर्माण करने के लिए, टीम ने सबसे पहले प्रत्येक स्कैन पर घुटने की चक्की की रूपरेखा बनाई, जिससे उसे घुटने के शेष जोड़ से अलग किया जा सके। इस अलग की गई हड्डी से, उन्होंने तीन अलग-अलग प्रकार की जानकारी निकाली। पहला, उन्होंने हड्डी की बुनियादी ज्यामिति को मापा, जिसमें लंबाई, चौड़ाई, मोटाई, आयतन, सतह का क्षेत्रफल और इसके किनारे की दूरी की गणना की गई। दूसरा, उन्होंने 'रेडियोमिक्स' नामक एक तकनीक का उपयोग किया ताकि छवि को सैकड़ों सूक्ष्म बनावट विवरणों में तोड़ा जा सके, जो हड्डी के आंतरिक कण और पैटर्न को पकड़ सके जिसे मानवीय आँख नहीं देख सकती। तीसरा, उन्होंने उन्नत आर्टिफिशियल इंटेलिजेंस मॉडल का उपयोग किया ताकि हड्डी को स्कैन किया जा सके और गहरे, अमूर्त लक्षण निकाले जा सकें जो हड्डी के समग्र आकार और संरचना का प्रतिनिधित्व करते हैं, ठीक वैसे ही जैसे मानव मस्तिष्क किसी चेहरे या वस्तु को पहचानता है।
उनका मुख्य नवाचार यह था कि उन्होंने इस तीन प्रकार की सूचनाओं को कैसे संयोजित किया। परिणामों को केवल औसत करने या डेटा को एक के ऊपर एक रखने के बजाय, उन्होंने 'ट्रांसफॉर्मर' नामक एक परिष्कृत कंप्यूटर आर्किटेक्चर का उपयोग किया। यह प्रणाली एक गतिशील निर्णय लेने वाले की तरह काम करती है जो प्रत्येक विशिष्ट हड्डी के लिए सबसे महत्वपूर्ण सुरागों पर ध्यान देना सीखती है। यह तय कर सकती है कि एक घुटने की चक्की के लिए, बनावट सबसे महत्वपूर्ण संकेत है, जबकि दूसरी के लिए, समग्र आकार अधिक मायने रखता है। यह लचीलापन प्रणाली को डेटा में भिन्नताओं, जैसे कि स्कैन कैसे लिए गए थे, के अनुकूल होने की अनुमति देता है। शोधकर्ताओं ने इस प्रणाली का परीक्षण केवल एक प्रकार की जानकारी का उपयोग करने वाले सरल मॉडलों के साथ, और डेटा को संयोजित करने के अन्य तरीकों के विरुद्ध भी किया।
परिणामों ने दिखाया कि संयुक्त दृष्टिकोण श्रेष्ठ था। आंतरिक परीक्षण सेट पर, प्रणाली ने 94.3% मामलों में लिंग की सही पहचान की, जो एकल-विधि दृष्टिकोणों की तुलना में एक महत्वपूर्ण सुधार है। इससे भी महत्वपूर्ण बात यह है कि, दूसरे अस्पताल के रोगियों के बाहरी समूह पर परीक्षण करते समय, जिसमें थोड़ा अलग स्कैनिंग उपकरण था, प्रणाली ने उच्च स्तर की सटीकता बनाए रखी, और 87.9% मामलों में लिंग की सही पहचान की। इसके विपरीत, सरल मॉडल जो केवल एक प्रकार के डेटा पर निर्भर थे, नए हालातों के सामने आने पर उनकी सटीकता अधिक तेजी से गिरी। अध्ययन ने मानव विशेषज्ञों के प्रदर्शन की तुलना कंप्यूटर के प्रदर्शन से भी की। तीन मानव पाठकों ने, जिनमें एक छात्र से लेकर एक बोर्ड-प्रमाणित फॉरेंसिक विशेषज्ञ तक शामिल थे, पारंपरिक सूत्रों का उपयोग करके उन्हीं 15 हड्डियों को मैन्युअल रूप से मापा। हालांकि मानव विशेषज्ञ आम तौर पर सटीक थे, लेकिन उनके माप एक-दूसरे से काफी भिन्न थे; एक ही हड्डी के लिए, एक विशेषज्ञ लंबाई को 40 मिलीमीटर माप सकता था जबकि दूसरा उसे 48 मिलीमीटर माप सकता था। हालाँकि, कंप्यूटर ने हर बार बिल्कुल समान परिणाम दिया, जिससे मानवीय विसंगति समाप्त हो गई। इसके अलावा, कंप्यूटर ने प्रति हड्डी औसतन 30 सेकंड में अपना विश्लेषण पूरा कर लिया, जबकि मानव विशेषज्ञों को चार से तेरह मिनट तक का समय लगा।
शोधकर्ताओं ने नोट किया कि स्कैन स्लाइस की मोटाई ने विभिन्न विधियों के प्रदर्शन में महत्वपूर्ण भूमिका निभाई। जब स्कैन बहुत पतले थे, जो बारीक विवरण कैप्चर करते थे, तो बनावट-आधारित और डीप-लर्निंग विधियों ने असाधारण प्रदर्शन किया। हालांकि, जब स्कैन थोड़े मोटे थे, जैसा कि कुछ वास्तविक दुनिया के परिदृश्यों में सामान्य है, तो उन जटिल विधियों का प्रदर्शन गिर गया। सरल आकार माप स्कैन की मोटाई के बावजूद स्थिर रहे, यही कारण था कि तीनों विधियों को मिलाने की प्रणाली की क्षमता इतनी प्रभावी थी; यह स्थिर मापों पर भरोसा कर सकती थी जब विस्तृत बनावट डेटा कम विश्वसनीय हो जाता था। अध्ययन निष्कर्ष निकालता है कि यह बहु-विशेषता दृष्टिकोण एक मजबूत, वस्तुनिष्ठ उपकरण प्रदान करता है। यह सुझाव देता है कि कंप्यूटर को विभिन्न प्रकार के साक्ष्यों को तौलना सिखाकर, जांचकर्ता एक व्यक्ति के लिंग के बारे में अधिक विश्वसनीय उत्तर प्राप्त कर सकते हैं, भले ही हड्डियाँ क्षतिग्रस्त हों या डेटा विविध स्रोतों से आया हो। हालांकि यह अध्ययन चीन की एक विशिष्ट आबादी तक सीमित था और जीवित व्यक्तियों के स्कैन का उपयोग किया गया था, लेखक मानते हैं कि यह विधि भविष्य के कार्य के लिए एक मजबूत आधार प्रदान करती है जो सामूहिक आपदाओं में पीड़ितों की पहचान करने या पुरातात्विक संदर्भों में अवशेषों का विश्लेषण करने में मदद कर सकती है, जिससे एक छोटी, अक्सर उपेक्षित हड्डी को पहचान के लिए एक शक्तिशाली कुंजी में बदला जा सके।
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।