Lung Cancer Classification from CT Images: A Comparative Study of SVM, Modified CNN, and EfficientNet–SVM Hybrid Models
यह शोध पत्र IQ-OTH/NCCD CT डेटासेट पर फेफड़ों के कैंसर के वर्गीकरण के लिए एक व्यापक कंप्यूटर-सहायता प्राप्त निदान ढांचा प्रस्तुत करता है, जो यह प्रदर्शित करता है कि बैच नॉर्मलाइज़ेशन से समृद्ध एक संशोधित CNN आर्किटेक्चर ने 99.41% की परीक्षण सटीकता प्राप्त करके पारंपरिक SVM-आधारित दृष्टिकोणों और एक हाइब्रिड EfficientNet-SVM मॉडल दोनों को पीछे छोड़ दिया 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
फेफड़ों का कैंसर दुनिया भर में कैंसर से होने वाली मृत्यु का प्रमुख कारण बना हुआ है, जो सालाना लाखों जानें ले लेता है। उत्तरजीविता (survival) और त्रासदी के बीच का अंतर अक्सर समय पर निर्भर करता है। जब इस बीमारी का पता जल्दी चल जाता है, जब यह अभी एक छोटे, स्थानीयकृत धब्बे के रूप में होती है, तो पांच साल जीवित रहने की संभावना अधिक होती है। एक बार जब यह फैल जाती है, तो वह संभावना तेजी से गिर जाती है। डॉक्टर इन शुरुआती संकेतों को खोजने के लिए कंप्यूटेड टोमोग्राफी, या सीटी (CT) स्कैन पर बहुत अधिक भरोसा करते हैं। एक सीटी स्कैन सैकड़ों पतले क्रॉस-सेक्शनल चित्रों के माध्यम से फेफड़ों का एक विस्तृत, त्रि-आयामी मानचित्र बनाता है। हालांकि, इन स्कैन को पढ़ना मानव रेडियोलॉजिस्ट के लिए एक कठिन कार्य है। एक मरीज के एकल स्कैन में सैकड़ों स्लाइस हो सकते हैं, और शुरुआती नोड्यूल्स (गांठें) जो कैंसर का संकेत देते हैं, वे सूक्ष्म हो सकते हैं, आसानी से छूट सकते हैं, या हानिरहित धब्बों के साथ भ्रमित हो सकते हैं। इस संज्ञानात्मक भार (cognitive load) और मानवीय त्रुटि की संभावना ने शोधकर्ताओं को ऐसे कंप्यूटर सिस्टम विकसित करने के लिए प्रेरित किया है जो इन खतरनाक पैटर्न को पहचानने में सहायता कर सकें।
इस संदर्भ में, बांग्लादेश और संयुक्त राज्य अमेरिका के शोधकर्ताओं की एक टीम ने एक नए प्रकार का कंप्यूटर-एडेड डायग्नोसिस सिस्टम बनाने और परीक्षण करने का लक्ष्य रखा। उन्होंने एक विशिष्ट चुनौती पर ध्यान केंद्रित किया: कंप्यूटर को सीटी स्कैन स्लाइस को देखना और उन्हें सही ढंग से तीन श्रेणियों में वर्गीकृत करना सिखाना—सामान्य फेफड़ों के ऊतक (tissue), सौम्य (benign/हानिरहित) नोड्यूल्स, और घातक (malignant/कैंसरयुक्त) नोड्यूल्स। शोधकर्ताओं ने 110 रोगियों के एक हजार से अधिक सीटी स्लाइस के सार्वजनिक संग्रह के साथ काम किया। इस कार्य में एक बड़ी बाधा यह है कि डेटा असंतुलित है; कैंसरयुक्त फेफड़ों की छवियां हानिरहित फेफड़ों की तुलना में बहुत अधिक हैं। यदि कंप्यूटर को ऐसे असमान डेटा पर प्रशिक्षित किया जाता है, तो वह दुर्लभ मामलों को अनदेखा करने लगता है, जो बिल्कुल इसके विपरीत है जिसकी डॉक्टरों को आवश्यकता होती है। इस समस्या को हल करने के लिए, टीम ने किसी एक विधि पर भरोसा नहीं किया। इसके बजाय, उन्होंने एक व्यापक ढांचा बनाया जिसने यह देखने के लिए चार अलग-अलग दृष्टिकोणों का आमने-सामने परीक्षण किया कि कौन सा सबसे अच्छा काम करता है।
पहला दृष्टिकोण जिसे टीम ने तलाशा, वह एक पारंपरिक विधि थी जो मानव-निर्मित नियमों पर आधारित है। उन्होंने कच्चे सीटी छवियों को व्यवस्थित करने के लिए चरणों की एक श्रृंखला का उपयोग किया: दानेदार शोर (noise) को सुचारू करना, विशेषताओं को उभारने के लिए कंट्रास्ट को चमकाना, और शरीर के बाकी हिस्सों से फेफड़ों के ऊतकों को अलग करने के लिए उनके किनारों को ट्रेस करना। इन साफ की गई छवियों से, उन्होंने धब्बों की बनावट, आकार और चमक के विशिष्ट संख्यात्मक विवरण निकाले। फिर उन्होंने इन नंबरों को सपोर्ट वेक्टर मशीन (Support Vector Machine) नामक एक गणितीय क्लासिफायर में डाला। डेटा में असंतुलन को संभालने के लिए, उन्होंने कृत्रिम रूप से उन उदाहरणों की संख्या को संतुलित करने के लिए छह अलग-अलग रणनीतियों का परीक्षण किया जिन्हें कंप्यूटर देख रहा था, जैसे कि दुर्लभ मामलों को दोहराना या नए, सिंथेटिक उदाहरण बनाना जो दुर्लभ मामलों जैसे दिखते हों। उन्होंने डेटा बिंदुओं के बीच की दूरी को मापने के तीन अलग-अलग तरीकों का भी परीक्षण किया। इस पारंपरिक दृष्टिकोण के सबसे सफल संस्करण ने डेटा को संतुलित करने के लिए एक विशिष्ट रणनीति और दूरियों को मापने के एक गैर-रेखीय (non-linear) तरीके का उपयोग किया, जिससे लगभग 99 प्रतिशत की संतुलित सटीकता प्राप्त हुई।
दूसरा दृष्टिकोण मानव-निर्मित नियमों को पूरी तरह से त्याग देता है और कंप्यूटर को एक कन्वेन्शनल न्यूरल नेटवर्क (CNN) नामक डीप लर्निंग मॉडल का उपयोग करके अपने आप पैटर्न सीखने देता है। टीम ने इस नेटवर्क के एक बुनियादी संस्करण के साथ शुरुआत की, जो अनिवार्य रूप से परतों का एक ढेर है जो एक छवि को स्कैन करके सरल किनारों, फिर आकारों और अंततः जटिल संरचनाओं को खोजता है। इस बुनियादी मॉडल ने बहुत अच्छा प्रदर्शन किया, और लगभग 99 प्रतिशत टेस्ट मामलों में फेफड़ों की स्थिति की सही पहचान की। हालांकि, शोधकर्ताओं ने इसे और बेहतर बनाने के लिए एक विशिष्ट संशोधन किया। उन्होंने 'बैच नॉर्मलाइजेशन' (batch normalization) नामक एक चरण जोड़ा, जो सीखने की प्रक्रिया के लिए एक स्टेबलाइजर की तरह कार्य करता है, जिससे कंप्यूटर प्रशिक्षण के दौरान अपनी आंतरिक सेटिंग्स को अधिक कुशलता से समायोजित कर पाता है। इस एक बदलाव ने सटीकता को और ऊपर धकेल दिया, जो 99.41 प्रतिशत तक पहुँच गई, जिससे यह उनके अध्ययन का सबसे सफल मॉडल बन गया।
तीसरा दृष्टिकोण एक हाइब्रिड (संकर) मॉडल था, जो पिछले दोनों की शक्तियों को जोड़ता है। शोधकर्ताओं ने 'एफिशिएंटनेट' (EfficientNet) नामक एक शक्तिशाली, प्री-ट्रेंड डीप लर्निंग मॉडल का उपयोग एक फीचर एक्सट्रैक्टर के रूप में किया। यह मॉडल, जिसने पहले ही लाखों रोजमर्रा की तस्वीरों में वस्तुओं को पहचानना सीख लिया था, का उपयोग प्रत्येक सीटी स्लाइस को एक संक्षिप्त गणितीय सारांश में बदलने के लिए किया गया। अंतिम निर्णय लेने के लिए डीप लर्निंग मॉडल को छोड़ने के बजाय, उन्होंने इस सारांश को अंतिम निर्णय लेने के लिए एक सपोर्ट वेक्टर मशीन को सौंपा। कर्तव्यों के इस अलगाव ने सिस्टम को जटिल पैटर्न देखने की डीप लर्निंग मॉडल की क्षमता का लाभ उठाने और साथ ही पारंपरिक क्लासिफायर के मजबूत निर्णय लेने की क्षमता का उपयोग करने की अनुमति दी। इस हाइब्रिड मॉडल ने 98 प्रतिशत की सटीकता हासिल की, जिससे यह सिद्ध हुआ कि विभिन्न प्रकार की बुद्धिमत्ता को मिलाने से बिना बहुत बड़े या जटिल सिस्टम के भी मजबूत परिणाम प्राप्त किए जा सकते हैं।
शोधकर्ताओं ने अपने निष्कर्षों की तुलना उसी डेटासेट का उपयोग करने वाले अन्य हालिया अध्ययनों से की। जबकि कुछ अन्य टीमों ने समान उच्च स्कोर प्राप्त किए, वे अक्सर अधिक जटिल तकनीकों पर निर्भर थे, जैसे कि सिस्टम को प्रशिक्षित करने के लिए नकली छवियां उत्पन्न करना या भारी-भरकम न्यूरल नेटवर्क का उपयोग करना। टीम के संशोधित CNN ने सबसे अधिक सटीकता, 99.41 प्रतिशत प्राप्त की, और इसके लिए अतिरिक्त, कम्प्यूटेशनल रूप से महंगे चरणों की आवश्यकता नहीं पड़ी। उन्होंने यह भी नोट किया कि उनका सिस्टम घातक मामलों की पहचान करने में विशेष रूप से अच्छा था, जो जीवन बचाने के लिए सबसे महत्वपूर्ण कार्य है। अध्ययन इस निष्कर्ष पर पहुँचता है कि एक सावधानीपूर्वक ट्यून किया गया, मध्यम आकार का कंप्यूटर मॉडल, बहुत बड़े और अधिक जटिल सिस्टम के प्रदर्शन का मुकाबला कर सकता है। डेटा असंतुलन को संभालने के विभिन्न तरीकों और विभिन्न आर्किटेक्चरल संशोधनों का व्यवस्थित रूप से परीक्षण करके, शोधकर्ताओं ने प्रदर्शित किया कि मेडिकल इमेजिंग में उच्च प्रदर्शन के लिए हमेशा सबसे जटिल उपकरणों की आवश्यकता नहीं होती है, बल्कि स्थापित विधियों के विचारशील संयोजन की आवश्यकता होती है।
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।