एक्स-रे छवि शरीर द्वारा डाली गई छाया है: डिटेक्टर रिकॉर्ड करता है कि ऊतकों से कितना विकिरण गुजरा। छवि का प्रत्येक बिंदु पूरे किरण पथ के साथ क्षीणन को जोड़ता है, इसलिए गहराई की जानकारी हमेशा के लिए खो जाती है। यदि केवल दो छवियां ली जाएं — अलग-अलग कोणों से — तो भी समस्या अनिर्धारित रहती है: घनत्व के अनंत त्रि-आयामी वितरण मौजूद हैं जो समान प्रक्षेपण देंगे। शास्त्रीय विधियाँ नियमितीकरण और पूर्व धारणाओं के माध्यम से इस समस्या को हल करती हैं, लेकिन अक्सर धुंधली सीमाओं और कलाकृतियों की कीमत चुकानी पड़ती है।
यहीं पर LiftXR मदद के लिए आता है — एक नया दृष्टिकोण जो जटिल समस्या को दो सरल समस्याओं में विभाजित करने का प्रस्ताव करता है: यह निर्धारित करना कि शारीरिक संरचनाएं अंतरिक्ष में कहाँ हैं, और तीव्रता के संदर्भ में वे क्या हैं। एकल आयतन क्षेत्र खोजने के बजाय, विधि पहले एक मोटा ज्यामितीय नक्शा बनाती है, फिर एक्स-रे डेटा को ध्यान में रखते हुए इसे परिष्कृत करती है।
गहराई पर्याप्त क्यों नहीं है
समस्या को समझने के लिए भौतिकी को याद रखना उचित है: किरण अपने पथ पर ऊतकों के घनत्व के अनुपात में क्षीण होती है। अंतिम संकेत एक समाकलन है, जिससे अतिरिक्त शर्तों के बिना समाकल्य को पुनर्स्थापित नहीं किया जा सकता। बाइप्लानर इमेजिंग दूसरे कोण से दूसरा प्रक्षेपण जोड़ती है, लेकिन दो प्रक्षेपण भी 3D वितरण को विशिष्ट रूप से पुनर्निर्मित करने की अनुमति नहीं देते। गणितीय रूप से, समस्या गलत-स्थापित समस्याओं के वर्ग से संबंधित है: इनपुट में छोटी त्रुटियाँ समाधान में बड़े विचलन की ओर ले जाती हैं, और कई अलग-अलग आयतन प्रक्षेपणों का एक ही सेट देते हैं। इसलिए अतिरिक्त बाधाओं या संकेतों की आवश्यकता होती है।
कहाँ और क्या: पुनर्निर्माण के दो प्रश्न
LiftXR में निहित मुख्य विचार "कहाँ" और "क्या" प्रश्नों को अलग करना है। पहला प्रश्न अंगों के स्थानिक स्थान से संबंधित है: फेफड़े, हड्डियाँ, कोमल ऊतक कहाँ हैं? दूसरा — उनके अनुरूप क्षीणन मान क्या हैं, अर्थात कोई विशेष क्षेत्र कितना घना है। यदि दोनों समस्याओं को एक साथ हल किया जाता है, तो वे हस्तक्षेप करती हैं, और एल्गोरिदम ज्यामितीय त्रुटियों को तीव्रता त्रुटियों के साथ मिला सकता है। यदि पहले एक शारीरिक "ढांचा" बनाया जाता है — संरचनाओं के स्थान का एक मोटा त्रि-आयामी नक्शा — तो बाद की तीव्रता पुनर्प्राप्ति के लिए एक संदर्भ बिंदु उपलब्ध होता है।
यह कैसे काम करता है
LiftXR विधि तीन मॉड्यूल के संयोजन पर बनी है। पहला — layout lifter — एक्स-रे छवियों की एक जोड़ी से शरीर रचना का 3D नक्शा उत्पन्न करता है। यह नक्शा क्षेत्रों की स्थानिक सीमाओं को निर्धारित करता है, लेकिन सटीक तीव्रता मान नहीं रखता। दूसरा मॉड्यूल — intensity renderer — इस नक्शे को एक शर्त के रूप में लेता है और प्रत्येक क्षेत्र को उपयुक्त क्षीणन मानों से भरकर एक पूर्ण CT आयतन का पुनर्निर्माण करता है। तीसरा मॉड्यूल — anatomical parser — तैयार आयतन के साथ काम करता है: यह सीमाओं और तीव्रता संकेतों का विश्लेषण करता है, प्रारंभिक layout को परिष्कृत करता है और इस परिष्कृत संस्करण को वापस लौटाता है ताकि तीव्रता भरने की प्रक्रिया को सही किया जा सके। यह प्रतिक्रिया लूप ज्यामितीय जानकारी और तीव्रता डेटा को एक दूसरे के अनुकूल होने की अनुमति देता है।
प्रयोग और परिणाम
लेखकों ने दो सार्वजनिक डेटासेट पर विधि का परीक्षण किया। हाल के पुनर्निर्माण दृष्टिकोणों के साथ तुलना से पता चलता है कि LiftXR मानक मेट्रिक्स पर अधिक सटीक CT छवियाँ प्राप्त करता है। लेकिन मुख्य बात यह है कि पुनर्निर्मित आयतन बाद के स्वचालित अंग विभाजन के लिए बेहतर अनुकूल हैं, अर्थात उनमें कम शारीरिक विकृतियाँ होती हैं। इसका मतलब है कि ज्यामिति और तीव्रता का पृथक्करण केवल सुंदर चित्र नहीं देता, बल्कि चिकित्सकीय रूप से महत्वपूर्ण कार्यों में वास्तविक सुधार करता है।
निष्कर्ष
संक्षेप में, LiftXR प्रदर्शित करता है कि स्थानिक संरचना और तीव्रता में विघटन सीमित संख्या में प्रक्षेपणों से पुनर्निर्माण के लिए एक आशाजनक मार्ग है। यह दृष्टिकोण अस्पष्टता को कम करता है और टोमोग्राम प्राप्त करने की अनुमति देता है जो आगे के विश्लेषण के लिए उपयुक्त हैं। लेखकों की योजनाओं में कोड प्रकाशित करना शामिल है, जिससे पुनरुत्पादन और आगे के प्रयोग सरल होने चाहिए।
