VIT-DRN-OCAFF: An Optimized Cross-Attention Feature Fusion Framework for Multi- Class COVID-19 and Pulmonary Disease Diagnosis Using Thoracic CT Images

मानव फेफड़ा एक जटिल, नाजुक अंग है, और जब यह बीमार होता है, तो इसके संकेत सूक्ष्म हो सकते हैं और आसानी से भ्रमित करने वाले हो सकते हैं। खांसी, बुखार, या सांस फूलने का अहसास एक सामान्य वायरल संक्रमण, बैक्टीरियल निमोनिया, या कोविड-19 जैसी अधिक गंभीर स्थिति का संकेत हो सकता है। डॉक्टरों के लिए, इन कारणों के बीच अंतर करना महत्वपूर्ण है, फिर भी लक्षण अक्सर मिलते-जुलते होते हैं, जिससे त्वरित और सटीक निदान करना एक बड़ी चुनौती बन जाता है। बिना सर्जरी के छाती के अंदर देखने के लिए, चिकित्सा पेशेवर कंप्यूटेड टोमोग्राफी, या सीटी स्कैन पर भरोसा करते हैं, जो फेफड़ों के विस्तृत क्रॉस-सेक्शनल चित्र बनाते हैं। ये चित्र फेफड़ों के ऊतकों की बनावट को प्रकट करते हैं, जिससे संक्रमण, तरल पदार्थ, या सूजन वाले क्षेत्रों का पता चलता है। हालांकि, हजारों ऐसे स्कैन को पढ़ना रेडियोलॉजिस्टों के लिए एक भारी बोझ है, और समान बीमारियों के बीच दृश्य अंतर इतना सूक्ष्म हो सकता है कि विशेषज्ञ भी एक महत्वपूर्ण विवरण को मिस कर सकते हैं या कारण को गलत पहचान सकते हैं।

हाल के वर्षों में, कंप्यूटर इस कार्य में सहायता करने लगे हैं, जो कृत्रिम बुद्धिमत्ता (AI) का उपयोग करके यह सीखते हैं कि विभिन्न बीमारियाँ स्कैन पर कैसी दिखती हैं। शुरुआती प्रयासों में मानक इमेज-रिकग्निशन टूल्स का उपयोग किया गया था, लेकिन वे अक्सर इस बात को समझने में संघर्ष करते थे कि बीमारी फेफड़ों में कैसे फैलती है, जबकि साथ ही वे उन छोटे, विशिष्ट स्थानों को भी देख पाते थे जहाँ संक्रमण सबसे अधिक सक्रिय होता है। एक नया अध्ययन इन स्कैन को पढ़ने के लिए कंप्यूटर को सिखाने का एक अधिक उन्नत तरीका प्रस्तावित करता है, जो एक स्पष्ट चित्र बनाने के लिए छवि को देखने के दो अलग-अलग तरीकों को जोड़ता है। शोधकर्ताओं का लक्ष्य एक ऐसा सिस्टम बनाना था जो न केवल यह बता सके कि मरीज बीमार है, बल्कि यह भी सटीक रूप से पहचान सके कि उसे किस प्रकार की बीमारी है, चाहे वह कोविड-19 हो, वायरल निमोनिया, बैक्टीरियल निमोनिया, या अन्य गैर-वायरल फेफड़ों की समस्याएं हों।

शोधकर्ताओं ने एक नया कंप्यूटर फ्रेमवर्क विकसित किया जिसे विशेषज्ञ आँखों की एक जोड़ी के रूप में मिलकर काम करने के लिए डिज़ाइन किया गया है। इस सिस्टम का एक हिस्सा पूरे फेफड़े की छवि को एक साथ देखने के लिए प्रशिक्षित है, जो इस बात को समझता है कि संक्रमण पूरे अंग में कैसे फैलता है। यह हिस्सा "जंगल" को देखने में अच्छा है, जो बीमारी के सामान्य आकार और वितरण को पहचानता है। सिस्टम का दूसरा हिस्सा गहन ध्यान केंद्रित करता है, ज़ूम इन करके संक्रमित क्षेत्रों के विशिष्ट टेक्सचर और किनारों को ढूंढता है, जैसे कि उस जंगल में "पेड़"। अकेले होने पर, पहला हिस्सा संक्रमण के एक छोटे लेकिन महत्वपूर्ण स्थान को मिस कर सकता है, और दूसरा हिस्सा समग्र संदर्भ को समझे बिना विवरणों में खो सकता है। इस अध्ययन में नवाचार इन दो हिस्सों को जोड़ने के तरीके में निहित है। शोधकर्ताओं ने एक विशेष तंत्र बनाया है जो इन दोनों प्रणालियों को एक-दूसरे से बात करने, लगातार देखने और परिष्कृत करने की अनुमति देता है। यह प्रक्रिया सुनिश्चित करती है कि कंप्यूटर निदान के लिए सबसे महत्वपूर्ण विशेषताओं को प्राथमिकता दे और अप्रासंगिक शोर या भ्रमित करने वाले पैटर्न को अनदेखा करे जो बीमारी की पहचान करने में मदद नहीं करते हैं।

इस नए दृष्टिकोण का परीक्षण करने के लिए, टीम ने लगभग 25,000 छवियों का एक विशाल संग्रह एकत्र किया। ये छवियां सार्वजनिक मेडिकल डेटाबेस और भारत के अस्पतालों से ली गई थीं, जो रोगियों और बीमारियों की व्यापक श्रेणी को कवर करती हैं। डेटासेट में कोविड-19, वायरल निमोनिया, बैक्टीरियल निमोनिया से पुष्टि प्राप्त लोगों और उन अन्य फेफड़ों की असामान्यताओं वाले लोगों के स्कैन शामिल थे जो वायरस के कारण नहीं थीं। इससे पहले कि कंप्यूटर इन छवियों से सीख सके, शोधकर्ताओं ने उन्हें सावधानीपूर्वक साफ और तैयार किया। उन्होंने स्कैन से शरीर के अनावश्यक हिस्सों को हटाया, संक्रमित क्षेत्रों को उभारने के लिए ब्राइटनेस और कंट्रास्ट को समायोजित किया, और किसी भी दानेदार शोर (नॉइज़) को सुधारा जो सिस्टम को भ्रमित कर सकता था। इस तैयारी ने यह सुनिश्चित किया कि कंप्यूटर स्कैनिंग मशीन के कारण उत्पन्न आर्टिफ़ैक्ट्स के बजाय वास्तव में बीमारी के संकेतों से सीख रहा है।

इसके बाद कंप्यूटर को इन छवियों के एक बड़े हिस्से पर प्रशिक्षित किया गया, जिससे वह प्रत्येक बीमारी के अद्वितीय हस्ताक्षरों (सिग्नेचर) को पहचानने में सक्षम हुआ। प्रशिक्षण पूरा होने के बाद, सिस्टम का परीक्षण छवियों के एक अलग सेट पर किया गया जिसे उसने पहले कभी नहीं देखा था, ताकि यह देखा जा सके कि वह वास्तविक दुनिया के परिदृश्य में कैसा प्रदर्शन कर सकता है। परिणाम उल्लेखनीय रूप से उच्च थे। सिस्टम ने 0.99 के AUC के साथ फेफड़ों की बीमारी के प्रकार की सही पहचान की। यह गलत अलार्म (फॉल्स अलार्म) से बचने में विशेष रूप से अच्छा था, स्वस्थ फेफड़ों या गैर-बीमारी स्थितियों को मौजूद होने पर सही ढंग से पहचानता था, और इसने संक्रमण के वास्तविक मामले को शायद ही कभी मिस किया। जब शोधकर्ताओं ने बीमारी के प्रकार के आधार पर प्रदर्शन का विश्लेषण किया, तो सिस्टम ने अन्य संक्रमणों से कोविड-19 को अलग करने में उत्कृष्ट प्रदर्शन किया, और लगभग पूर्ण सटीकता प्राप्त की। इसने वायरल निमोनिया को बैक्टीरियल निमोनिया से अलग करने में भी मजबूती से प्रदर्शन किया, जो दो ऐसी स्थितियां हैं जिन्हें मानव डॉक्टरों के लिए भी अलग करना अक्सर कठिन होता है।

यह समझने के लिए कि यह नया सिस्टम इतना अच्छा क्यों काम कर रहा था, शोधकर्ताओं ने इसकी तुलना पुराने तरीकों से की। उन्होंने मानक कंप्यूटर विज़न टूल्स, पारंपरिक डीप लर्निंग मॉडल्स, और यहाँ तक कि अन्य उन्नत सिस्टमों का भी परीक्षण किया जो ऊपर वर्णित दो में से केवल एक दृष्टिकोण का उपयोग करते थे। पुराने तरीके, जो रैंडम गेसिंग से बेहतर थे, लगातार पीछे रह गए, जिनकी सटीकता दर 80 के मध्य से 90 के उच्च स्तर तक थी। नए सिस्टम ने, जिसने व्यापक दृश्य और विस्तृत दृश्य को उनके विशेष संचार लिंक के साथ जोड़ा, उन सभी को पछाड़ दिया। अध्ययन ने यह भी दिखाया कि सिस्टम कुशल था, जो एक व्यस्त अस्पताल सेटिंग में उपयोगी होने के लिए पर्याप्त तेज़ी से छवियों को प्रोसेस कर सकता है बिना अत्यधिक कंप्यूटिंग पावर की आवश्यकता के।

शोधकर्ता केवल आंकड़ों तक ही सीमित नहीं रहे; उन्होंने यह भी देखा कि सिस्टम छवियों को कैसे "देखता" है। उन्होंने कंप्यूटर द्वारा हाइलाइट किए गए संक्रमित क्षेत्रों की तुलना मानव डॉक्टरों द्वारा चिह्नित वास्तविक संक्रमित क्षेत्रों से की। कंप्यूटर का फोकस उच्च सटीकता के साथ मानव विशेषज्ञों के निष्कर्षों से मेल खाता था, जिसने संक्रमण की सीमाओं और प्रत्येक बीमारी से जुड़े विशिष्ट टेक्सचर को सही ढंग से पहचाना। सामंजस्य का यह स्तर बताता है कि सिस्टम केवल पैटर्न के आधार पर अनुमान नहीं लगा रहा है, बल्कि वास्तव में बीमारियों की दृश्य विशेषताओं को सीख रहा है। अध्ययन यह निष्कर्ष निकालता है कि यह नया फ्रेमवर्क सीटी स्कैन से फेफड़ों की बीमारियों के निदान के लिए एक अत्यधिक विश्वसनीय उपकरण प्रदान करता है। फेफड़ों की स्थिति की व्यापक समझ को विशिष्ट लीजन (lesions) पर तीखे फोकस के साथ जोड़कर, सिस्टम सटीकता का एक ऐसा स्तर प्रदान करता है जो डॉक्टरों को अपने रोगियों के लिए तेज़ और अधिक आत्मविश्वासपूर्ण निर्णय लेने में महत्वपूर्ण रूप से सहायता कर सकता है। हालांकि यह अध्ययन डेटा के एक विशिष्ट सेट पर किया गया था, इसके परिणाम श्वसन संबंधी बीमारियों के निदान में सहायता के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करने की दिशा में एक शक्तिशाली कदम का सुझाव देते हैं।