STCA-Net: A Spatiotemporal Cross-Attention Network with Multi-Scale Depthwise Separable Convolutions for Epileptic EEG Seizure Classification

मानव मस्तिष्क विद्युत संकेतों का एक विशाल, गूँजता हुआ नेटवर्क है, जो विचार, गति और संवेदना को समन्वित करने के लिए लगातार सक्रिय रहता है। जब इस नाजुक लय को अचानक, तीव्र गतिविधियों के विस्फोटों द्वारा बाधित किया जाता है, तो इसके परिणामस्वरूप दौरे (सीज़र) पड़ते हैं, जो मिर्गी का एक प्रमुख लक्षण है, एक ऐसी स्थिति जो दुनिया भर के लाखों लोगों को प्रभावित करती है। दशकों से, डॉक्टर इन विद्युत फुसफुसाहटों को सुनने के लिए इलेक्ट्रोएन्सेफलोग्राफी, या ईईजी (EEG) पर निर्भर रहे हैं। यह गैर-आक्रामक तकनीक स्कैल्प पर सेंसर लगाकर समय के साथ मस्तिष्क के वोल्टेज उतार-चढ़ाव को रिकॉर्ड करती है। हालाँकि, इन जटिल, टेढ़ी-मेढ़ी रेखाओं को एक स्पष्ट निदान में बदलना एक धीमी और श्रमसाध्य कार्य है। इसके लिए एक विशेषज्ञ की आवश्यकता होती है जो घंटों के डेटा को मैन्युअल रूप से छान सके, और उन सूक्ष्म पैटर्न की तलाश कर सके जो एक दौरे को सामान्य मस्तिष्क गतिविधि या अन्य न्यूरोलॉजिकल घटनाओं से अलग करते हैं। यह प्रक्रिया न केवल समय लेने वाली है बल्कि मानवीय त्रुटि के प्रति भी संवेदनशील है, क्योंकि विभिन्न विशेषज्ञ एक ही सिग्नल की अलग-अलग व्याख्या कर सकते हैं।

इस समस्या को हल करने के लिए, वैज्ञानिकों ने आर्टिफिशियल इंटेलिजेंस की ओर रुख किया है, जिससे कंप्यूटर को इन पैटर्न को स्वचालित रूप से पहचानना सिखाया जा सके। शुरुआती प्रयासों में सरल डिजिटल फिल्टर का उपयोग किया गया था, जबकि हाल के प्रयासों में डीप लर्निंग का उपयोग किया गया, जो एक प्रकार का कंप्यूटर प्रोग्राम है जो उदाहरणों से सीखता है। ये प्रोग्राम डेटा में स्थानीय आकृतियों, जैसे कि अचानक आने वाले स्पाइक (तीव्र उछाल) को पहचानने में अच्छे होते हैं, लेकिन वे अक्सर यह समझने में संघर्ष करते हैं कि वे आकृतियाँ समय के साथ चलने वाली व्यापक कहानी से कैसे संबंधित हैं। वे एक एकल स्वर देख सकते हैं लेकिन पूरी धुन को मिस कर सकते हैं। चुनौती एक ऐसा सिस्टम बनाने में है जो दौरे के तत्काल, तीखे विवरणों और उस लंबी, लयबद्ध संदर्भ को, जिसमें वह घटित होता है, एक साथ समझ सके, और वह भी इतनी तेजी से कि वास्तविक दुनिया में उपयोगी हो सके।

एक टीम ने, जो भारतीय सूचना प्रौद्योगिकी संस्थान, नागपुर की शोधकर्ताओं की है, इस समस्या के लिए एक नया दृष्टिकोण विकसित किया है, एक विशेष कंप्यूटर मॉडल बनाया है जिसे STCA-Net कहा जाता है। उनका लक्ष्य एक ऐसा सिस्टम बनाना था जो एक कुशल न्यूरोलॉजिस्ट की तरह कार्य करे, जो मस्तिष्क की विद्युत कहानी को एक साथ दो अलग-अलग कोणों से सुनने में सक्षम हो: त्वरित, स्थानीय विवरण और धीमी, लंबी-रेंज की प्रवृत्तियाँ। कंप्यूटर को या तो तत्काल क्षण को देखने या व्यापक टाइमलाइन को देखने में से किसी एक को चुनने के लिए मजबूर करने के बजाय, उनके डिज़ाइन ने सिस्टम को यह अनुमति दी कि ये दो दृष्टिकोण एक-दूसरे से बात कर सकें। उन्होंने इस मॉडल का परीक्षण बोन विश्वविद्यालय के मस्तिष्क रिकॉर्डिंग के एक प्रसिद्ध संग्रह पर किया, जिसमें स्वस्थ मस्तिष्क गतिविधि, दौरे-पूर्व अवस्था और वास्तविक दौरों के हजारों खंड शामिल हैं।

उनका आविष्कार मुख्य रूप से एक 'डुअल-ब्रांच आर्किटेक्चर' (दोहरी शाखा संरचना) है, जिसका अर्थ है कि कंप्यूटर डेटा को दो अलग-अलग पथों के माध्यम से प्रोसेस करता है। एक पथ तत्काल, स्थानीय पैटर्न पर ध्यान केंद्रित करता है। यह विशिष्ट आकृतियों को खोजने के लिए विभिन्न आकारों के फिल्टरों की एक श्रृंखला का उपयोग करता है, जैसे कि तीखे स्पाइक्स या लयबद्ध तरंगें जो दौरे की शुरुआत का संकेत दे सकती हैं। इस सिस्टम का हिस्सा कुशल होने के लिए डिज़ाइन किया गया है, जो अनावश्यक जटिलता को हटा देता है ताकि यह तेजी से चल सके। दूसरा पथ लंबी कहानी को देखता है। क्योंकि डेटा के लंबे अनुक्रम का एक साथ विश्लेषण करना गणनात्मक रूप से महंगा है, इस मॉडल का यह हिस्सा पहले जानकारी को सघन बनाता है, यानी टाइमलाइन को उसके सबसे आवश्यक बिंदुओं तक सिकोड़ देता है। फिर यह एक ऐसे तंत्र का उपयोग करता है जो इसे यह समझने की अनुमति देता है कि सिग्नल के दूरस्थ हिस्से एक-दूसरे से कैसे संबंधित हैं, जिससे मस्तिष्क की गतिविधि का व्यापक संदर्भ भी मिल जाता है।

वास्तविक नवाचार, हालांकि, तब होता है जब ये दोनों पथ मिलते हैं। कई पिछले सिस्टमों में, स्थानीय और लंबी-रेंज के पथों से प्राप्त जानकारी को बस एक साथ जोड़ दिया जाता था, जैसे कि नोट्स के दो अलग ढेर बगल में रखे गए हों। नया मॉडल, STCA-Net, कुछ अधिक गतिशील करता है। यह दोनों सूचना धाराओं को एक-दूसरे के साथ बातचीत करने और एक-दूसरे को परिष्कृत करने के लिए मजबूर करता है। स्थानीय विवरणों को दीर्घकालिक प्रवृत्तियों को समझने में मदद करने का मौका मिलता है, और दीर्घकालिक संदर्भ स्थानीय स्पाइक्स के अर्थ को स्पष्ट करने में मदद करता है। यह आपसी आदान-प्रदान सिस्टम को मस्तिष्क में क्या हो रहा है, इसकी एक बहुत अधिक समृद्ध और सटीक तस्वीर बनाने की अनुमति देता है, बजाय इसके कि दोनों दृष्टिकोणों को अलग रखा जाए।

जब शोधकर्ताओं ने इस नए सिस्टम का परीक्षण किया, तो परिणाम चौंकाने वाले थे। केवल दौरे और सामान्य मस्तिष्क गतिविधि के बीच अंतर करने के कार्य के लिए, मॉडल ने 97.58 प्रतिशत की सटीकता हासिल की। जब कार्य अधिक कठिन हो गया, जिसमें सिस्टम को तीन अलग-अलग श्रेणियों में डेटा को वर्गीकृत करने की आवश्यकता थी, तब भी इसने उच्च विश्वसनीयता के साथ 93.09 प्रतिशत की सटीकता प्राप्त की। सबसे चुनौतीपूर्ण परीक्षण में डेटा को पांच अलग-अलग वर्गों में छाँटना शामिल था, जो वास्तविक नैदानिक निदान की जटिलता की नकल करता है। यहाँ, मॉडल ने 75.64 प्रतिशत की सटीकता प्राप्त की। हालाँकि यह संख्या सरल परीक्षणों की तुलना में कम है, लेकिन यह पिछले सर्वश्रेष्ठ तरीके की तुलना में एक महत्वपूर्ण सुधार है, जिसने उसी कार्य पर 72.50 प्रतिशत का स्कोर किया था। शोधकर्ताओं ने यह भी पाया कि मॉडल केवल अनुमान नहीं लगा रहा था; सांख्यिकीय परीक्षणों ने पुष्टि की कि इसका उत्कृष्ट प्रदर्शन इसके डिज़ाइन का एक वास्तविक प्रभाव था, न कि डेटा का कोई संयोग।

यह समझने के लिए कि मॉडल ने इतना अच्छा काम क्यों किया, टीम ने प्रयोगों की एक श्रृंखला चलाई जहाँ उन्होंने सिस्टम के विशिष्ट हिस्सों को एक-एक करके हटाया। उन्होंने पाया कि सिग्नल को विवरण के कई पैमानों के साथ देखना महत्वपूर्ण था, और लंबी टाइमलाइन को सघन करने का तरीका भी आवश्यक था। लेकिन सबसे महत्वपूर्ण उछाल 'इंटरैक्टिव फ्यूजन मैकेनिज्म' (परस्पर संवादात्मक संलयन तंत्र) से आया। जब उन्होंने इंटरैक्टिव विनिमय को एक साधारण साइड-बाय-साइड संयोजन से बदल दिया, तो सटीकता में उल्लेखनीय गिरावट आई। इससे सिद्ध हुआ कि उनकी सफलता की कुंजी केवल डेटा को देखने के दो अलग-अलग तरीके होना नहीं था, बल्कि उन दोनों तरीकों को एक-दूसरे को सक्रिय रूप से प्रभावित करने और सुधारने की अनुमति देना था।

पूरा सिस्टम उल्लेखनीय रूप से संक्षिप्त है, जिसमें 47,000 से भी कम समायोज्य सेटिंग्स (adjustable settings) हैं, जो आधुनिक आर्टिफिशियल इंटेलिजेंस मॉडल के लिए बहुत कम है। इस दक्षता का अर्थ है कि यह भारी, महंगे हार्डवेयर की आवश्यकता के बिना मानक कंप्यूटरों पर भी चल सकता है। शोधकर्ता इस बात पर जोर देते हैं कि हालांकि उनका मॉडल उनके द्वारा उपयोग किए गए विशिष्ट डेटासेट पर अच्छा प्रदर्शन करता है, लेकिन अंतिम लक्ष्य ऐसे उपकरण बनाना है जो नए रोगियों और विभिन्न प्रकार के रिकॉर्डिंग के लिए सामान्यीकृत (generalize) हो सकें। वे भविष्य में अन्य डेटासेट्स पर अपने दृष्टिकोण का परीक्षण करने की योजना बना रहे हैं ताकि यह देखा जा सके कि क्या सिस्टम वास्तविक दुनिया में पाई जाने वाली अधिक विविधता को संभाल सकता है। फिलहाल, STCA-Net इस बात का प्रमाण है कि कृत्रिम मस्तिष्क के विभिन्न हिस्सों को एक-दूसरे से संवाद करने की अनुमति देकर, हम मानव मस्तिष्क को पहले की तुलना में अधिक स्पष्टता और सटीकता के साथ सुनने वाले उपकरण बना सकते हैं।