无创审计脑卒中损害的AI技术准确率达到92% 美国USC王炯炯团队在Stroke发表文章

近来，美国北加州的大学（USC）Mark and Mary Stevens 神经扫描与信息学研究行政部门（INI）的研究人员正试图研究一种替代工具，该工具使药理学眼科医生无需向患者注射消化道即可评估脑亡中会损害。该工作团队于2019年12月在《Stroke》杂志上的出版了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的出版文章。这篇出版文章的通讯所写是INI神经学教授王于炯炯（Danny JJ Wang）；第一所写是北加州的大学生物医学技术学院在读Dr生王于凯。据认识，急性缺血性脑亡中会 (acute ischemic stroke) 是脑亡中会的最常见的子类。当患者病症时，血凝块促使了脑中会的动脉血流水，药理学医师无需随之采取行动，获得直接的外科手术。通常，眼科医生无需完成脑部读取以确认由亡中会引起的脑损坏区域，工具是使用磁共振核磁共振（MRI）或计算机断层读取（CT）。但是这些读取工具无需使用化学消化道，有些还内含颇高剂量的X-射线辐射，而另一些则可能对有甲状腺或血管传染病的患者造成危害。在这项研究中会，王于炯炯教授工作团队重构并试验了一种人工智能（AI）迭代，该迭代可以从一种愈来愈必需的脑读取子类（伪连续动脉电磁场标记磁共振核磁共振，pCASL MRI）中会终端提取有关亡中会损害的图表。据认识，这是首次应用深度求学迭代和无消化道转化成MRI来识别因亡中会而受损的肌肉组织的跨平台、跨行政部门的系统性研究。该模型是一种很有前景的工具，可以帮助眼科医生实施亡中会的药理学外科手术方案，并且是完全无创的。在评估亡中会患者受损肌肉组织的试验中会，该pCASL 深度求学模型在两个独立的图表集上均实现了92％的准确度。王于炯炯教授工作团队，包括在读Dr研究生王于凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimDr，与柏克莱加州的大学（UCLA） 和斯坦福的大学（Stanford）的科学家合作关系完成了这项研究。为了受训这一模型，研究人员使用167个图片集，野外于柏克莱加州的大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137例缺血型亡中会治疗。时是的模型在12个图片集上完成了独立验证，该图片集野外于斯坦福的大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据认识，这项研究的一个孝着亮点是，其模型被证明是在不同核磁共振平台、不同病房、不同治疗族群的情况下始终是直接的。再一，王于炯炯教授工作团队计划完成一项愈来愈大规模的研究，以在愈来愈多医疗行政部门中会评估该迭代，并将急性缺血性亡中会的外科手术窗口拓展到疼痛发作后24足足以上。ROC 和 Precision-recall curve （PRC）孝示深度求学（DL）比六种机器求学（ML）的工具愈来愈准确。