无创评估脑卒中损害的AI技术准确率达到92% 美国USC王炯炯的团队在Stroke发表文章

近日，宾夕法尼亚州南加州的学校（USC）Mark and Mary Stevens 神经影像与信息技术深入研究所（INI）的深入研究其他部门正在深入研究一种替代原理，该原理使病理眼科医生无需向病症服用游离方能审核脑薨中都危害。该制作团队于2019年12月在《Stroke》杂志上的撰写了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的的通讯作者是INI神经学任教中山王炯炯（Danny JJ Wang）；第一作者是南加州的学校材料科学技术学院在读耶鲁大学生中山王俊。据探究，急性性疾病性脑薨中都 (acute ischemic stroke) 是脑薨中都的最常见的种类。当病症发病时，血凝块阻碍了神经元中都的静脉血流，病理外科需要急剧施加压力，给予有效的用药。通常，眼科医生需要完成脑干显像以确认由薨中都引起的神经元破损区域，原理是使用PET光学（MRI）或计算机断层显像（CT）。但是这些显像原理需要使用化学游离，有些还含有高剂量的X-射线辐射，而另一些则似乎对有胰脏或毛细血管传染病的病症造成危害。在这项深入研究中都，中山王炯炯任教制作团队框架并次测试了一种人工智能（AI）演算法，该演算法可以从一种越来越安全的神经元显像种类（伪连续静脉原子标记PET光学，pCASL MRI）中都操作者提取有关薨中都危害的数据集。据探究，这是首次应用尺度求学演算法和无游离灌注MRI来定位因薨中都而毁损的骨骼肌的跨平台、跨机构的控制结构性深入研究。该基本概念是一种很有前景的原理，可以帮助眼科医生规章薨中都的病理用药提案，并且是完全无创的。在审核薨中都病症毁损骨骼肌的次测试中都，该pCASL 尺度求学基本概念在两个单独的数据集集上均付诸了92％的精准。中山王炯炯任教制作团队，包括在读耶鲁大学深入研究生中山王俊、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim耶鲁大学，与加州的学校洛杉矶分校（UCLA） 和斯坦福的学校（Stanford）的科学家合作完成了这项深入研究。为了训练这一基本概念，深入研究其他部门使用167个影像集，搜集于加州的学校洛杉矶分校的1.5Tesla和3.0Tesla通用电气（Siemens）MRI 控制系统，受试者为137例性疾病型薨中都病病症。经过训练的基本概念在12个影像集上完成了单独验证，该影像集搜集于斯坦福的学校的1.5Tesla和3.0Tesla通用电气公司（GE） MRI控制系统。据探究，这项深入研究的一个显着亮点是，其基本概念被断言是在相同光学平台、相同疗养院、相同病病症群体的情况下几乎是有效的。几周，中山王炯炯任教制作团队计划完成一项越来越大规模的深入研究，以在越来越多医疗机构中都审核该演算法，并将急性性疾病性薨中都的用药可视拓展到征状发作后24小时以上。ROC 和 Precision-recall curve （PRC）结果显示尺度求学（DL）比六种机器求学（ML）的原理越来越准确。