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

近日，美国政府橙县大学（USC）Mark and Mary Stevens 骨骼肌影象与信息学研究课题所（INI）的研究课题人员早就研究课题一种替代作法，该作法使药理学医生无需向病症服用人体内即可评量脑薨中所损害。该的团队于2019年12月在《Stroke》华尔街日报上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一本书的通讯作者是INI骨骼肌学教授王炯炯（Danny JJ Wang）；第一作者是橙县大学生物医学工程学系在读高级工程师方刚。据认识，急性动脉瘤脑薨中所 (acute ischemic stroke) 是脑薨中所的最类似于的一般来说式。当病症确诊时，血凝块阻碍了脑干中所的动脉血逆，药理学护理人员能够随之采取措施，得到有效地的病人。通常，医生能够顺利进行脑干扫瞄以确认由薨中所引起的脑干损伤区域，作法是应用于磁共振超声（MRI）或计算机断层扫瞄（CT）。但是这些扫瞄作法能够应用于化学人体内，有些还含有高剂量的X-放射辐射，而另一些则可能对有肾脏或血管哮喘的病症造成危害。在这项研究课题中所，王炯炯教授的团队构建并试验中了一种人工智能（AI）解法，该解法可以从一种格外安全的脑干扫瞄一般来说式（伪连续动脉磁矩标上磁共振超声，pCASL MRI）中所自动浓缩有关薨中所损害的数据。据认识，这是首次应用高度进修解法和无人体内灌注MRI来识别因薨中所而毁坏的脑组织的跨模拟器、跨机构的管理系统性研究课题。该数学模型式是一种很有充满信心的作法，可以帮助医生制定薨中所的药理学病人方案，并且是完全无创的。在评量薨中所病症毁坏脑组织的试验中中所，该pCASL 高度进修数学模型式在两个独立的数据集上均意味着了92％的精准度。王炯炯教授的团队，包括在读博士研究课题生方刚、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与普林斯顿大学（UCLA） 和斯坦福大学（Stanford）的科学家合作顺利进行了这项研究课题。为了训练这一数学模型式，研究课题人员应用于167个图象集，采自于普林斯顿大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 管理系统，人脑为137例缺血型式薨中所病人。；也的数学模型式在12个图象集上顺利进行了独立正确性，该图象集采自于斯坦福大学的1.5Tesla和3.0Tesla通用电气（GE） MRI管理系统。据认识，这项研究课题的一个夙着亮点是，其数学模型式被证明是在多种不同超声模拟器、多种不同医院、多种不同病人群体的情况下依然是有效地的。接下来，王炯炯教授的团队计划顺利进行一项格外大规模的研究课题，以在格外多医疗机构中所评量该解法，并将急性动脉瘤薨中所的病人窗口拓展到症状发作后24同一时间以上。ROC 和 Precision-recall curve （PRC）夙示高度进修（DL）比六种机器进修（ML）的作法格外精准。