कूल्हे की एक्स-रे छवियों में फीमर फ्रैक्चर का वर्गीकरण मेटा-सीखा हुआ गहरा न्यूरल नेटवर्क का उपयोग करके

चिकित्सा क्षेत्र में, कृत्रिम बुद्धिमत्ता (AI) तकनीकों का उपयोग करते हुए विभिन्न अध्ययनों का प्रयास किया गया है। रोगों का निदान और वर्गीकरण करने के लिए छवि डेटा का उपयोग करते हुए कई प्रयास किए गए हैं। हालाँकि, विभिन्न प्रकार के फ्रैक्चर होते हैं, और इमेजिंग के समय की स्थिति के आधार पर असटीक परिणामों की पुष्टि की गई है, जो समस्या उत्पन्न करती है। इस सीमा को पार करने के लिए, हम एक एन्कोडर-डिकोडर संरचित न्यूरल नेटवर्क प्रस्तुत करते हैं जो प्रशिक्षण में अनुपूरक जानकारी के रूप में रेडियोलॉजी रिपोर्टों का उपयोग करता है। यह वर्गीकरण के लिए पर्याप्त उपयुक्त विशेषताओं को उत्पन्न करने के लिए एक प्रकार की मेटा-लर्निंग विधि है। प्रस्तावित मॉडल एक्स-रे छवियों और रेडियोलॉजी रिपोर्टों से वर्गीकरण के लिए प्रतिनिधित्व सीखता है। केवल 459 मामलों के डेटासेट का उपयोग करके एल्गोरिदम प्रशिक्षण के दौरान, मॉडल ने 227 मामलों वाले परीक्षण डेटासेट में सुखद प्रदर्शन हासिल किया (फ्रैक्चर या सामान्य वर्गीकरण के लिए वर्गीकरण सटीकता 86.78% और वर्गीकरण F1 स्कोर 0.867)। यह खोज यह दर्शाती है कि गहरी सीखने की संभावनाएँ प्रदर्शन को सुधारने और AI के नैदानिक अभ्यास में अनुप्रयोग को तेज करने में सहायक हो सकती हैं।