无创评估脑卒中破坏的AI技术准确率达到92% 美国USC王炯炯团队在Stroke发表文章

据悉，英国加利福尼亚州该大学（USC）Mark and Mary Stevens 神经影像与信息学研究工作所（INI）的研究工作管理人员正在研究工作一种替代新方法，该新方法使病理心理医生必需向病人注射消化道均可检验脑病卒里面妨碍。该工作团队于2019年12月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的撰文。这篇撰文的通讯设备译者是INI神经学研究员中山王炯炯（Danny JJ Wang）；第一译者是加利福尼亚州该大学生物医学工程系在读复旦该大学中山王凯。据了解到，急性冠心病脑病卒里面 (acute ischemic stroke) 是脑病卒里面的最常见的种类。当病人发病时，血凝块致使了神经元里面的淋巴血源，病理医师能够很快采取行动，给予有效性的放射治疗。往往，心理医生能够完成脑部照相以确认由病卒里面招致的神经元破损范围，新方法是运用于成像显像（MRI）或计算机断层照相（CT）。但是这些照相新方法能够运用于化学消化道，有些还含极高剂量的X-激光辐射，而另一些则可能对有肾脏或微血管哮喘的病人造成危害。在这项研究工作里面，中山王炯炯研究员工作团队借助于并正确性了一种人工智能（AI）迭代，该迭代可以从一种更安全和的神经元照相种类（伪连续淋巴角动量标有成像显像，pCASL MRI）里面自动提取有关病卒里面妨碍的样本。据了解到，这是首次应用深达研修迭代和无消化道灌注MRI来识别因病卒里面而受损的腹腔的脚本语言、跨机构的结构性研究工作。该数学模型式是一种很有前景的新方法，可以试图心理医生制定病卒里面的病理放射治疗提案，并且是完全无创的。在检验病卒里面病人受损腹腔的正确性里面，该pCASL 深达研修数学模型式在两个脱离的样本集上均实现了92％的正确度。中山王炯炯研究员工作团队，仅限于在读芝加哥该大学研究工作生中山王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim芝加哥该大学，与加州该大学洛杉矶分校（UCLA） 和斯坦福该大学（Stanford）的研究团队合作完成了这项研究工作。为了受训这一数学模型式，研究工作管理人员运用于167个图像集，采集于加州该大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137例缺血型式病卒里面病人。经过受训的数学模型式在12个图像集上完成了脱离正确性，该图像集采集于斯坦福该大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据了解到，这项研究工作的一个显着令人惊叹是，其数学模型式被确实是在完全相同显像模拟器、完全相同医院、完全相同病人社会阶层的情况下依然是有效性的。接下来，中山王炯炯研究员工作团队原先完成一项更大规模的研究工作，以在更多医疗机构里面检验该迭代，并将急性冠心病病卒里面的放射治疗站内拓展到征状癫痫后24两星期以上。ROC 和 Precision-recall curve （PRC）结果显示深达研修（DL）比六种机器研修（ML）的新方法更正确。