Explainable Automated Pain Level Classification Using a Deep Neural Network with EEG Signals
यह शोध पत्र PainNet-ST प्रस्तुत करता है, जो एक नवीन व्याख्यात्मक (explainable) डीप लर्निंग मॉडल है जो तीन-वर्ग दर्द की गंभीरता के वर्गीकरण में अत्याधुनिक 92.28% सटीकता प्राप्त करने के लिए कच्चे EEG संकेतों को मल्टी-स्पेक्ट्रल टोपोग्राफी मानचित्रों में परिवर्तित करता है और दोहरी-परत XAI विज़ुअलाइज़ेशन के माध्यम से नैदानिक विश्वास को बढ़ाता 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
दर्द एक अत्यंत व्यक्तिगत अनुभव है, एक चेतावनी संकेत जो शरीर को बताता है कि कुछ गलत है। डॉक्टरों और नर्सों के लिए, इस संकेत को मापने के लिए लंबे समय से रोगी से इसके वर्णन करने पर निर्भर किया जाता रहा है, जिसमें अक्सर शून्य से दस तक के एक सरल पैमाने का उपयोग किया जाता है। हालांकि यह कई लोगों के लिए अच्छी तरह से काम करता है, लेकिन यह उन लोगों के लिए पूरी तरह विफल हो जाता है जो बोल नहीं सकते, जैसे कि शिशु, गहन देखभाल (इंटेंसिव केयर) में भर्ती मरीज, या डिमेंशिया से पीड़ित व्यक्ति। इन मामलों में, दर्द एक रहस्य बन जाता है, जिससे ऐसे उपचार होते हैं जो या तो बहुत कमजोर होते हैं या अनावश्यक रूप से बहुत अधिक। वैज्ञानिक लंबे समय से उम्मीद कर रहे थे कि मस्तिष्क स्वयं इसका उत्तर रखता है। स्कैल्प (सिर की त्वचा) पर सेंसर लगाकर मस्तिष्क की विद्युत तरंगों (इलेक्ट्रिकल चैटर) को सुनने की कोशिश करके, शोधकर्ताओं का मानना है कि वे दर्द का एक वस्तुनिष्ठ माप पा सकते हैं, जो शब्दों पर निर्भर नहीं है। हालांकि, मस्तिष्क के संकेत अविश्वसनीय रूप से जटिल और शोर भरे होते हैं, जिससे रोजमर्रा के विचारों और गतिविधियों के बैकग्राउंड शोर से दर्द के विशिष्ट पैटर्न को अलग करना कठिन हो जाता है।
शोधकर्ताओं की एक टीम ने अब इन मस्तिष्क संकेतों को सुनने का एक नया तरीका विकसित किया है, जो एक ऐसी प्रणाली बना सकता है जो स्वचालित रूप से दर्द के निम्न, मध्यम और उच्च स्तरों के बीच अंतर कर सके। उन्होंने एक कंप्यूटर प्रोग्राम बनाया है जो एक अत्यधिक प्रशिक्षित पर्यवेक्षक की तरह कार्य करता है, जो मस्तिष्क की गतिविधि में उन सूक्ष्म पैटर्नों को पहचानने में सक्षम है जिन्हें मनुष्य छोड़ सकते हैं। रोगी से उनके दर्द को रेट करने के लिए पूछने के बजाय, यह प्रणाली स्कैल्प से रिकॉर्ड की गई कच्ची विद्युत तरंगों (रॉ इलेक्ट्रिकल वेव्स) को देखती है। शोधकर्ताओं ने अपनी विधि का परीक्षण 223 स्वस्थ स्वयंसेवकों के डेटा पर किया था जिन्हें उनके हाथों में छोटे, नियंत्रित लेजर पल्स दिए गए थे। ये पल्स वास्तविक चोट पहुंचाए बिना दर्द की प्रतिक्रिया उत्पन्न करने के लिए डिज़ाइन किए गए थे। लक्ष्य यह देखना था कि क्या कंप्यूटर केवल लेजर के प्रति मस्तिष्क की प्रतिक्रिया के आधार पर यह सही ढंग से पहचान सकता है कि दर्द कितना तीव्र महसूस हुआ।
उन्होंने जो प्रणाली बनाई है, जिसे उन्होंने 'PainNet-ST' नाम दिया है, वह दो तरीकों से एक साथ मस्तिष्क की गतिविधि को देखती है: सिर की सतह पर और समय के साथ। कल्पना कीजिए कि मस्तिष्क एक विशाल परिदृश्य है जहां दर्द टकराने पर विभिन्न क्षेत्र सक्रिय हो जाते हैं। कंप्यूटर पहले यह मानचित्रित करता है कि स्कैल्प के कौन से हिस्से सबसे अधिक सक्रिय हैं, विशेष रूप से केंद्रीय और पिछले क्षेत्रों पर ध्यान केंद्रित करता है जहाँ दर्द के संकेत सबसे मजबूत होते हैं। इसके बाद यह देखता है कि लेजर पल्स के मिलीसेकंड बाद ये संकेत कैसे बदलते हैं, और एक विशिष्ट तरंग पैटर्न की तलाश करता है जो एक अनुमानित लय में ऊपर और नीचे जाता है। यह दोहरा दृष्टिकोण प्रणाली को यह समझने में सक्षम बनाता है कि दर्द कहाँ प्रोसेस किया जा रहा है और क्षण-दर-क्षण यह कैसे विकसित होता है। यह सुनिश्चित करने के लिए कि प्रणाली केवल उन लोगों के विशिष्ट मस्तिष्क को याद नहीं कर रही है जिन पर इसे प्रशिक्षित किया गया था, शोधकर्ताओं ने इसका परीक्षण पूरी तरह से नए लोगों पर किया जिन्हें इसने पहले कभी नहीं देखा था। यह एक महत्वपूर्ण कदम है, क्योंकि यह साबित करता है कि प्रणाली किसी विशिष्ट समूह के स्वयंसेवकों के बजाय किसी में भी दर्द को पहचान सकती है।
परिणाम चौंकाने वाले थे। जब कंप्यूटर ने मस्तिष्क के संकेतों का विश्लेषण किया, तो उसने 92.28% मामलों में दर्द के स्तर की सही पहचान की। यह पिछले तरीकों की तुलना में एक महत्वपूर्ण सुधार है, जो अक्सर दर्द की विभिन्न तीव्रता के बीच अंतर करने में संघर्ष करते थे या नए लोगों पर परीक्षण के दौरान विफल हो जाते थे। यह प्रणाली उच्च स्तर के दर्द को पहचानने में विशेष रूप से अच्छी थी, जो यह सुनिश्चित करने के लिए महत्वपूर्ण है कि गंभीर स्थिति वाले रोगियों को आवश्यक मदद मिले। इसने यह पहचानने में भी बहुत कम गलतियाँ कीं कि दर्द मौजूद नहीं था, जिसका अर्थ है कि यह डॉक्टरों को अनावश्यक उपचार के लिए झूठी चेतावनी नहीं देगी। यह सुनिश्चित करने के लिए कि यह प्रणाली एक "ब्लैक बॉक्स" नहीं है जो बिना कारण के निर्णय लेती है, शोधकर्ताओं ने इसमें पारदर्शिता की एक परत जोड़ी। उन्होंने एक ऐसी विशेषता बनाई जो यह उजागर करती है कि कंप्यूटर ने निर्णय लेने के लिए मस्तिष्क के किन हिस्सों और समय के किन क्षणों का उपयोग किया। इसने पुष्टि की कि प्रणाली वास्तव में दर्द के ज्ञात जैविक मार्करों को देख रही थी, जिससे डॉक्टरों को विश्वास मिला कि परिणाम भरोसेमंद और वास्तविक विज्ञान पर आधारित हैं।
यह कार्य दर्द के मूल्यांकन को वस्तुनिष्ठ और विश्वसनीय बनाने की दिशा में एक बड़ा कदम है। यह सिद्ध करके कि एक कंप्यूटर केवल मस्तिष्क के संकेतों से दर्द को पहचानना सीख सकता है, शोधकर्ताओं ने उन उपकरणों के द्वार खोल दिए हैं जो भविष्य में उन लोगों की मदद कर सकते हैं जो अपने लिए बोल नहीं सकते। हालांकि वर्तमान प्रणाली का परीक्षण स्वस्थ स्वयंसेवकों के नियंत्रित वातावरण में किया गया था, लेकिन निष्कर्ष बताते हैं कि इस तकनीक को अंततः वास्तविक दुनिया के अस्पतालों के लिए अनुकूलित किया जा सकता है। बिना शब्दों के दर्द को मापने की क्षमता मेडिकल टीमों के काम करने के तरीके को बदल सकती है, जिससे यह सुनिश्चित होगा कि कमजोर मरीजों के दर्द का इलाज भी किसी अन्य चिकित्सा स्थिति की तरह सटीकता और देखभाल के साथ किया जाए। यह अध्ययन दर्शाता है कि सही उपकरणों के साथ, मस्तिष्क की छिपी हुई भाषा को उपचार के लिए स्पष्ट और कार्रवाई योग्य जानकारी में अनुवादित किया जा सकता 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।