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

近日，美国圣迭戈大学（USC）Mark and Mary Stevens 神经影像与信息学研究工作所（INI）的研究工作部门正在研究工作一种替代新方法，该新方法使流行病学内科医生无需向病患者注射造影剂即可评核脑馀当中危害。该工作团队于2019年12月在《Stroke》时尚杂志上的发表了并作《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的短文。这篇短文的通讯作者是INI精神病学家讲师王炯炯（Danny JJ Wang）；第一作者是圣迭戈大学应用科学工程系在读研究生林志颖。据洞察，急性败血症脑馀当中 (acute ischemic stroke) 是脑馀当中的最常见的类HG。当病患者胃癌时，血凝块致使了神经系统当中的动脉血流，流行病学护士需要迅速采取行动，给予合理的患者。通常，内科医生需要进行时脑部图像以确认由馀当中引起的神经系统损伤区域，新方法是运用于医学影像光学（MRI）或计算机断层图像（CT）。但是这些图像新方法需要运用于化学造影剂，有些还所含高血糖的X-辐射源辐射，而另一些则可能对有肾脏或血管疟疾的病患者人为因素。在这项研究工作当中，王炯炯讲师工作团队协作并试验中了一种人工智能（AI）插值，该插值可以从一种更安全的神经系统图像类HG（伪连续动脉带电粒子标记医学影像光学，pCASL MRI）当中自动提取有关馀当中危害的数据。据洞察，这是首次应用深度研习插值和无造影剂灌注MRI来辨识因馀当中而损毁的人体内的跨平台、跨机构的系统性研究工作。该模HG是一种很有前景的新方法，可以鼓励内科医生制定馀当中的流行病学患者方案，并且是完全无创的。在评核馀当中病患者损毁人体内的试验中当中，该pCASL 深度研习模HG在两个独立自主的数据集上均实现了92％的准确度。王炯炯讲师工作团队，包括在读博士研究工作生林志颖、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与普林斯顿大学（UCLA） 和普林斯顿大学（Stanford）的研究工作工作团队共同进行时了这项研究工作。为了训练这一模HG，研究工作部门运用于167个位图集，收集于普林斯顿大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，人会为137唯缺血HG馀当中患者。经过训练的模HG在12个位图集上进行时了独立自主有效性，该位图集收集于普林斯顿大学的1.5Tesla和3.0Tesla美国航空（GE） MRI系统。据洞察，这项研究工作的一个显着亮点是，其模HG被证明是在完全相同光学平台、完全相同医务部门、完全相同患者群体的情况下一直是合理的。紧接著，王炯炯讲师工作团队计划进行时一项更大规模的研究工作，以在更多公立医院当中评核该插值，并将急性败血症馀当中的患者窗口拓展到症状癫痫后24小时以上。ROC 和 Precision-recall curve （PRC）显示深度研习（DL）比六种机器研习（ML）的新方法更准确。