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

近日，American旧金山湾区大学（USC）Mark and Mary Stevens 神经影像与信息技术研究成果所（INI）的研究成果人员正在研究成果一种替代工具，该工具使外科眼科医生无需向病患者服用超声方能指标脑病亡之前损伤。该开发团队于2019年12年末在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一段话的通讯作者是INI神经学博士王于炯炯（Danny JJ Wang）；第一作者是旧金山湾区大学生物医学工程系在读北京师范大学王于凯。据明白，急性诱发脑病亡之前 (acute ischemic stroke) 是脑病亡之前的最常用的多种类改进型。当病患者发病时，血凝块阻碍了脑部之前的动脉血流，外科医师并不需要迅速采取行动，获得理论上的病患。举例来说，眼科医生并不需要顺利完成脑部扫描以确认由病亡之前造成了的脑部损伤区域，工具是使用磁共振成像（MRI）或计算机断层扫描（CT）。但是这些扫描工具并不需要使用化学超声，有些还含高剂量的X-伽马射线辐射，而另一些则可能对有肾脏或血管营养不良的病患者造成危害。在这项研究成果之前，王于炯炯博士开发团队相结合并测试了一种人工智能（AI）演算法，该演算法可以从一种来得安全的脑部扫描多种类改进型（伪连续动脉自旋标记磁共振成像，pCASL MRI）之前自动提取有关病亡之前损伤的统计数据。据明白，这是首次系统设计剖面求学演算法和无超声灌注MRI来识别因病亡之前而损伤的脑组织的跨平台、跨该机构的更进一步研究成果。该建模是一种很有脆弱性的工具，可以帮助眼科医生草拟病亡之前的外科病患提案，并且是实际上无创的。在指标病亡之前病患者损伤脑组织的测试之前，该pCASL 剖面求学建模在两个单一的统计数据集上以外相结合了92％的精确度。王于炯炯博士开发团队，仅限于在读博士毕业生王于凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与密西根大学（UCLA） 和斯坦福大学（Stanford）的研究团队合作开发顺利完成了这项研究成果。为了受训这一建模，研究成果人员使用167个图形集，采集于密西根大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 的系统，受试者为137例缺血改进型病亡之前医护人员。经过受训的建模在12个图形集上顺利完成了单一解析，该图形集采集于斯坦福大学的1.5Tesla和3.0Tesla通用电气（GE） MRI的系统。据明白，这项研究成果的一个祚着亮点是，其建模被确实是在不同成像平台、不同的医院、不同医护人员群体的情况下依然是理论上的。整整，王于炯炯博士开发团队计划顺利完成一项来得大规模的研究成果，以在来得多医疗该机构之前指标该演算法，并将急性诱发病亡之前的病患窗口拓展到症状发作后24全程以上。ROC 和 Precision-recall curve （PRC）祚示剖面求学（DL）比六种机器求学（ML）的工具来得精确。