गहरे तंत्रिका नेटवर्क त्वचा रोग की जांच लैपटॉप पर कर सकता है

ह्यूस्टन विश्वविद्यालय में बायोमेडिकल इंजीनियरिंग विभाग के संस्थापक अध्यक्ष द्वारा एक नए गहरे तंत्रिका नेटवर्क आर्किटेक्चर की रिपोर्ट की जा रही है जो सिस्टमिक स्क्लेरोसिस (एसएससी) के शुरुआती निदान को प्रदान कर सकता है। एसएससी एक दुर्लभ ऑटोइम्यून बीमारी है जो त्वचा और आंतरिक अंगों को सख्त या फाइब्रोस बनाती है।

प्रस्तावित नेटवर्क को एक मानक लैपटॉप कंप्यूटर के साथ लागू किया जाता है, और यह तुरंत स्वस्थ त्वचा और एसएससी वाली त्वचा की छवियों के बीच अंतर को पहचान सकता है।

इस शोध को आईईईई ओपन जर्नल ऑफ इंजीनियरिंग इन मेडिसिन एंड बायोलॉजी में प्रकाशित किया गया था।

मेटिन अकाय जॉन एस. डन एंडोइड चेयर प्रोफेसर ऑफ बायोमेडिकल इंजीनियरिंग हैं।

“हमारे प्रारंभिक अध्ययन, जो प्रस्तावित नेटवर्क आर्किटेक्चर की प्रभावशीलता को दिखाने के लिए डिज़ाइन किया गया था, एसएससी के चरित्रीकरण में आशा रखता है,” अकाय कहते हैं।

“हम मानते हैं कि प्रस्तावित नेटवर्क आर्किटेक्चर को आसानी से एक नैदानिक सेटिंग में लागू किया जा सकता है, जो एसएससी के लिए एक सरल, सस्ता और सटीक स्क्रीनिंग टूल प्रदान करता है।”

एसएससी और शुरुआती निदान

यह बहुत महत्वपूर्ण है कि एसएससी का निदान जल्दी किया जाए, लेकिन यह अक्सर हासिल करना मुश्किल होता है। विभिन्न अध्ययनों से पता चलता है कि अंगों की जड़ता शुरुआती चरण में हो सकती है, जो पहले से अपेक्षित थी।

चूंकि यह विशेषज्ञ केंद्रों में भी चुनौतीपूर्ण है कि एसएससी का शुरुआती निदान किया जाए और रोग की प्रगति का स्तर निर्धारित किया जाए, इसलिए उपचार और चिकित्सा में अक्सर देरी होती है।

सिस्टम को प्रशिक्षित करना

गहरे शिक्षण में एल्गोरिदम को परतों में रखा जाता है, जिसे कृत्रिम तंत्रिका नेटवर्क कहा जाता है, जो अपने निर्णय ले सकता है। शोधकर्ताओं ने सीखने की प्रक्रिया को तेज करने का लक्ष्य रखा, इसलिए उन्होंने नए नेटवर्क को मोबाइलनेटवी2 के पैरामीटर का उपयोग करके प्रशिक्षित किया, जो एक मोबाइल विजन एप्लिकेशन है। यह 1.4 मिलियन छवियों के साथ इमेजनेट डेटासेट के साथ पूर्व-प्रशिक्षित है। प्रशिक्षण समय केवल पांच घंटे से कम था।

“छवियों को स्कैन करके, नेटवर्क मौजूदा छवियों से सीखता है और तय करता है कि कौन सी नई छवि सामान्य है या बीमारी के शुरुआती या बाद के चरण में है,” अकाय ने कहा।

कॉनवोल्यूशनल न्यूरल नेटवर्क (सीएनएन), जो गहरे शिक्षण नेटवर्क में से एक है, अक्सर इंजीनियरिंग, जीवविज्ञान और चिकित्सा में उपयोग किया जाता है। हालांकि, उन्होंने अभी तक जैव चिकित्सा अनुप्रयोगों में उच्च स्तर की सफलता हासिल नहीं की है, क्योंकि उनका उपयोग प्रशिक्षण सेट और नेटवर्क के आकार के कारण सीमित रहा है।

अकाय, साथी यासेमिन अकाय के साथ, यूएनईटी को जोड़कर, जो एक संशोधित सीएनएन आर्किटेक्चर है, अतिरिक्त परतें जोड़कर इस चुनौती को पार किया। उन्होंने तब एक मोबाइल प्रशिक्षण मॉड्यूल विकसित किया, और परिणामों ने दिखाया कि प्रस्तावित गहरे शिक्षण आर्किटेक्चर एसएससी छवियों को वर्गीकृत करने में सीएनएन की तुलना में अधिक कुशल और बेहतर है।

यासेमिन अकाय यूएच में बायोमेडिकल इंजीनियरिंग के एक निर्देशात्मक सहयोगी प्रोफेसर हैं।

“फाइन-ट्यूनिंग के बाद, हमारे परिणामों ने दिखाया कि प्रस्तावित नेटवर्क ने प्रशिक्षण छवि सेट पर 100% सटीकता, सत्यापन छवि सेट पर 96.8% सटीकता, और परीक्षण छवि सेट पर 95.2% सटीकता हासिल की,” अकाय ने कहा।

इस पत्र के सह-लेखकों में योंग डू, चेरिल शेरसेन, टिंग चेन और चानफ्रा मोहन शामिल हैं, जो सभी ह्यूस्टन विश्वविद्यालय से हैं। इसमें मिंगहुआ वू और शेरविन असासी भी शामिल हैं, जो यूनिवर्सिटी ऑफ टेक्सास हेल्थ साइंस सेंटर (यूटी हेल्थ) से हैं।