无创评估脑卒中损害的AI技术相关性达到92% 美国USC王炯炯团队在Stroke发表文章

近日，美国南加州大学（USC）Mark and Mary Stevens 神经影像与信息学深入研究所（INI）的深入研究工作人员正在深入研究一种替代原理，该原理使临床外科医生无须向病症注射水溶性即可指标脑病亡中的破坏。该他的团队于2019年12月在《Stroke》时代周刊上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一段话的通讯设备作者是INI神经学博士王炯炯（Danny JJ Wang）；第一作者是南加州大学生物医学工程系在读博士生杨林。据认识，急性结核脑病亡中的 (acute ischemic stroke) 是脑病亡中的的最常见的类别。当病症发作时，血凝块妨碍了神经中的的动脉血逆，临床护理人员需要迅速施加压力，给予必需的治疗法。通常，外科医生需要完成脑部读取以获知由病亡中的引致的神经损伤区域，原理是用作超声显微（MRI）或计算机断层读取（CT）。但是这些读取原理需要用作物理水溶性，有些还含有高剂量的X-无线电波辐射，而另一些则可能对有肺脏或血管结核病的病症危害。在这项深入研究中的，王炯炯博士他的团队构筑并试验中的了一种人工智能（AI）算法，该算法可以从一种更为安全的神经读取类别（伪连续动脉自旋标记超声显微，pCASL MRI）中的基本功能提取有关病亡中的破坏的数据资料。据认识，这是首次应用深度深造算法和无水溶性灌注MRI来辨认因病亡中的而受损的脑组织的跨平台、跨机构的系统对性深入研究。该假设是一种很有前景的原理，可以帮助外科医生拟订病亡中的的临床治疗法方案，并且是完全无创的。在指标病亡中的病症受损脑组织的试验中的中的，该pCASL 深度深造假设在两个实质上的数据资料集上仅有实现了92％的准确性。王炯炯博士他的团队，都有在读博士深入硕士杨林、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州大学洛杉矶分校（UCLA） 和斯坦福大学（Stanford）的科学家合作完成了这项深入研究。为了训练这一假设，深入研究工作人员用作167个图像集，采集于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统对，受试者为137由此可知缺血标准型病亡中的病人。经过训练的假设在12个图像集上完成了实质上验证，该图像集采集于斯坦福大学的1.5Tesla和3.0Tesla波音公司（GE） MRI系统对。据认识，这项深入研究的一个显着举世闻名是，其假设被证明是在相同显微平台、相同医院、相同病人群体的情况下依然是必需的。最后，王炯炯博士他的团队计划案完成一项更为大规模的深入研究，以在更为多诊疗中的指标该算法，并将急性结核病亡中的的治疗法窗口拓展到病征发作后24星期以上。ROC 和 Precision-recall curve （PRC）显示深度深造（DL）比六种机器深造（ML）的原理更为准确。