Multi-Class Gastric Histopathology Classification Using a Hybrid Swin Transformer–ConvNeXt Model
यह शोध पत्र एक हाइब्रिड स्विन ट्रांसफॉर्मर-कनवनेक्स्ट (Swin Transformer–ConvNeXt) डीप लर्निंग मॉडल प्रस्तुत करता है, जिसे फ्लास्क-आधारित (Flask-based) वेब इंटरफेस के साथ एकीकृत किया गया है, जो गैस्ट्रिक कैंसर के निदान में रोगविज्ञानी (pathologists) की सहायता करने के लिए गैस्ट्रिक हिस्टोपैथोलॉजी छवियों को आठ विशिष्ट ऊतक प्रकारों में वर्गीकृत करने में 75.35% सटीकता प्राप्त 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
हर साल, लगभग 6,60,000 लोग पेट के कैंसर (स्टमक कैंसर) के कारण अपनी जान गंवा देते हैं, एक ऐसी बीमारी जहाँ जीवन और मृत्यु के बीच का अंतर अक्सर इस बात पर निर्भर करता है कि इसका पता कितनी जल्दी चला है। निदान के लिए वर्तमान मानक एक रोगविज्ञानी (पैथोलॉजिस्ट) पर निर्भर करता है, जो एक उच्च प्रशिक्षित चिकित्सा विशेषज्ञ है, जो रंगीन रंगों से रचे गए ऊतकों के पतले स्लाइसों को सूक्ष्मदर्शी (माइक्रोस्कोप) के माध्यम से देखता है। इस मानव विशेषज्ञ को स्वस्थ ऊतक और कैंसरयुक्त वृद्धि के बीच अंतर करने के लिए कोशिकीय परिदृश्य में सूक्ष्म पैटर्न की पहचान करनी होती है। हालाँकि, यह प्रक्रिया धीमी, श्रमसाध्य और मानवीय त्रुटि के प्रति संवेदनशील है; एक ही स्लाइड को देख रहे दो अनुभवी डॉक्टर भी हमेशा इस बात पर सहमत नहीं हो पाते कि उन्होंने क्या देखा है। जैसे-जैसे रोगियों की संख्या बढ़ रही है, निदान की आवश्यकता और विशेषज्ञों की उपलब्धता के बीच का अंतर चौड़ा होता जा रहा है, जिससे एक ऐसी बाधा उत्पन्न हो रही है जो उपचार में देरी करती है। हाल के वर्षों में, वैज्ञानिकों ने इस बोझ को कम करने के लिए कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) की ओर रुख किया है, जिससे कंप्यूटर को चिकित्सा छवियों में उन पैटर्नों को पहचानने के लिए प्रशिक्षित किया जा सके जो मानव आँख के लिए लगातार पकड़ पाना बहुत सूक्ष्म या जटिल हो सकते हैं।
पाकिस्तान के शोधकर्ताओं की एक टीम ने इस क्षेत्र में एक महत्वपूर्ण कदम आगे बढ़ाते हुए एक नई कंप्यूटर प्रणाली विकसित की है, जिसे अधिक सटीकता के साथ पेट के ऊतकों का विश्लेषण करने के लिए डिज़ाइन किया गया है। केवल कंप्यूटर से यह तय करने के लिए नहीं पूछने के बजाय कि नमूना "कैंसर" है या "कैंसर नहीं" है, उन्होंने एक ऐसा उपकरण बनाया है जो ऊतकों को आठ अलग-अलग श्रेणियों में वर्गीकृत कर सकता है। यह एक महत्वपूर्ण अंतर है क्योंकि यह जानना कि किस प्रकार का गैर-कैंसरयुक्त ऊतक मौजूद है—चाहे वह वसा (फैट), मांसपेशी, म्यूकस (श्लेष्मा), या प्रतिरक्षा कोशिकाएं हों—एक डॉक्टर के समग्र निदान के लिए महत्वपूर्ण संदर्भ प्रदान करता है। शोधकर्ताओं ने एक हाइब्रिड प्रणाली विकसित की है जो कृत्रिम बुद्धिमत्ता के दो अलग-अलग प्रकार के मॉडलों को जोड़ती है। एक मॉडल, जो इस बात से प्रेरित है कि मनुष्य भाषा को कैसे संसाधित करते हैं, ऊतक के व्यापक, समग्र लेआउट को समझने में उत्कृष्ट है। दूसरा मॉडल, जो पारंपरिक इमेज-प्रोसेसिंग तकनीकों पर आधारित है, उन सूक्ष्म विवरणों और बनावटों को पहचानने में असाधारण रूप से कुशल है जहाँ बीमारी के शुरुआती संकेत अक्सर छिपे होते हैं। इन दोनों मॉडलों को एक साथ काम करने और अंतिम उत्तर पर वोट देने की अनुमति देकर, यह प्रणाली उस पूर्ण चित्र को बनाती है जो अकेले उनमें से कोई भी प्राप्त नहीं कर सकता था।
अपने विचार का परीक्षण करने के लिए, टीम ने पेट के ऊतकों के नमूनों से ली गई डिजिटल छवियों के एक बड़े संग्रह का उपयोग किया, जिसे उन्होंने शोर (नॉइज़) को हटाने और कंट्रास्ट को तेज करने के लिए एक विशिष्ट अनुक्रम का उपयोग करके साफ किया था। फिर उन्होंने इन छवियों पर अपनी हाइब्रिड प्रणाली को प्रशिक्षित किया, जिससे इसे आठ अलग-अलग प्रकार के ऊतकों को पहचानना सिखाया गया: ट्यूमर ऊतक, वसा, मलबे (डेब्रिस), लिम्फोसाइट्स (प्रतिरक्षा कोशिकाएं), म्यूकस, चिकनी मांसपेशी, सामान्य पेट की परत, और एक सहायक ऊतक जिसे स्ट्रोमा कहा जाता है। प्रणाली का परीक्षण उन छवियों पर किया गया जिन्हें उसने पहले कभी नहीं देखा था, और इसने लगभग 75 प्रतिशत बार ऊतक के प्रकार को सही ढंग से पहचाना। हालांकि यह एक मामूली स्कोर लग सकता है, लेकिन यह उन एकल-मॉडल प्रणालियों की तुलना में एक स्पष्ट सुधार था जिनके लिए शोधकर्ताओं ने तुलना के रूप में प्रयास किया था, जो समान स्तर की सटीकता तक पहुँचने में संघर्ष कर रही थीं। हाइब्रिड दृष्टिकोण ने सिद्ध किया कि एक मॉडल के "बड़ी तस्वीर" वाले दृश्य को दूसरे के "क्लोज-अप" दृश्य के साथ जोड़ना इस जटिल कार्य के लिए एक अधिक प्रभावी रणनीति थी।
शोधकर्ताओं ने केवल एक मॉडल बनाने पर ही नहीं रोका; उन्होंने इसे एक कामकाजी सॉफ्टवेयर एप्लिकेशन में लपेटा जो किसी भी वेब ब्राउज़र का उपयोग करने वाले व्यक्ति द्वारा उपयोग किया जा सकता है। एक उपयोगकर्ता ऊतक स्लाइड की एक छवि अपलोड कर सकता है, और कुछ ही सेकंड के भीतर, प्रणाली ऊतक क्या है इसका अनुमान, एक आत्मविश्वास स्कोर (कॉन्फिडेंस स्कोर) और परिणाम की सरल भाषा में व्याख्या के साथ वापस करती है। प्रणाली पिछले विश्लेषणों का रिकॉर्ड भी रखती है, जिससे डॉक्टर या शोधकर्ता पिछले परिणामों को देख सकते हैं। टीम ने सावधानीपूर्वक यह नोट किया है कि यह प्रणाली वर्तमान में एक अनुसंधान प्रोटोटाइप है, न कि अस्पताल में तत्काल उपयोग के लिए तैयार कोई उपकरण। सटीकता, हालांकि आशाजनक है, अभी इतनी उच्च नहीं है कि मानव डॉक्टर की जगह ले सके, और प्रणाली कभी-कभी दो विशिष्ट प्रकार के स्वस्थ ऊतकों के बीच भ्रमित हो जाती है जो दिखने में बहुत समान होते हैं। इसके अलावा, प्रणाली को छवियों के एक एकल स्रोत पर प्रशिक्षित किया गया था, इसलिए यह स्पष्ट नहीं है कि यह विभिन्न अस्पतालों के नमूनों या विभिन्न स्टेनिंग विधियों के साथ कैसा प्रदर्शन करेगी।
इन सीमाओं के बावजूद, यह कार्य आगे बढ़ने का एक स्पष्ट मार्ग प्रदान करता है। अध्ययन सुझाव देता है कि कंप्यूटर-सहायता प्राप्त पैथोलॉजी का भविष्य विभिन्न प्रकार की कृत्रिम बुद्धिमत्ता को संयोजित करने में निहित है ताकि ऊतक के नमूने की पूरी जानकारी को कैप्चर किया जा सके। शोधकर्ता अपने सिस्टम में दृश्य स्पष्टीकरण (विजुअल एक्सप्लेनेशन) जोड़कर इसे बेहतर बनाने की योजना बना रहे हैं जो ठीक से दिखा सके कि किस भाग की छवि ने एक विशिष्ट निष्कर्ष तक पहुँचने में मदद की, एक ऐसी विशेषता जो डॉक्टरों को मशीन के निर्णय पर भरोसा करने में मदद करेगी। वे एक बहुत बड़े और अधिक विविध छवियों के सेट पर भी प्रणाली को प्रशिक्षित करने का लक्ष्य रखते हैं ताकि समान ऊतकों के बीच भ्रम को कम किया जा सके। कच्चे डेटा और एक उपयोगी इंटरफ़ेस के बीच की खाई को पाटकर, यह परियोजना प्रदर्शित करती है कि जबकि कृत्रिम बुद्धिमत्ता अभी तक मानवीय विशेषज्ञता का विकल्प नहीं है, यह कैंसर के निदान के लंबे और कठिन कार्य में एक शक्तिशाली भागीदार बनती जा रही 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।