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

据悉，美国北加州医学院（USC）Mark and Mary Stevens 神经影像与计算机系科学研究所（INI）的科学研究职员正在科学研究一种替代步骤，该步骤使药理学外科医生需要向病患注射造影剂即可审核脑卒之中损害。该设计团队于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》的短文。这篇短文的通讯作者是INI精神分析名誉教授三王炯炯（Danny JJ Wang）；第一作者是北加州医学院生物医学工程系在读麻省理工学院生了当。据探究，急性功能障碍性脑卒之中 (acute ischemic stroke) 是脑卒之中的最常见于的一般来说。当病患中风时，血凝块阻碍了神经元之中的动脉血引，药理学外科医生只能很快置之不理，给予适当的疗法。通常，外科医生只能顺利完成心脏扫瞄以确认由卒之中引起的神经元损害周围，步骤是运用于造影显微（MRI）或计算机断层扫瞄（CT）。但是这些扫瞄步骤只能运用于生物化学造影剂，有些还掺入颇高剂量的X-射线电磁辐射，而另一些则可能对有消化道或心肌疾病的病患造成危害。在这项科学研究之中，三王炯炯名誉教授设计团队构建并次测试了一种计算机（AI）解法，该解法可以从一种更必要的神经元扫瞄一般来说（伪连续动脉自旋标识造影显微，pCASL MRI）之中相应提取有关卒之中损害的图表。据探究，这是首次应用剖面努力学习解法和无造影剂灌注MRI来标识因卒之中而受到影响的腹腔的跨SDK、跨私人机构的结构性科学研究。该基本概念是一种很有前景的步骤，可以设法外科医生制定卒之中的药理学疗法提案，并且是实际上无创的。在审核卒之中病患受到影响腹腔的次测试之中，该pCASL 剖面努力学习基本概念在两个独立自主的图表集上均实现了92％的吻合度。三王炯炯名誉教授设计团队，最主要在读麻省理工学院科学研究生了当、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim麻省理工学院，与加州医学院洛杉矶分校（UCLA） 和斯坦福医学院（Stanford）的科学家共同顺利完成了这项科学研究。为了军事训练这一基本概念，科学研究职员运用于167个位图集，通过观察于加州医学院洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 种系统，受试者为137可有功能障碍M-卒之中疗法。；也的基本概念在12个位图集上顺利完成了独立自主有效性，该位图集通过观察于斯坦福医学院的1.5Tesla和3.0Tesla通用电气（GE） MRI种系统。据探究，这项科学研究的一个显着令人惊叹是，其基本概念被有效性是在相同显微SDK、相同医院、相同疗法群体的只能依然是适当的。年中，三王炯炯名誉教授设计团队原先顺利完成一项更大规模的科学研究，以在更多医疗私人机构之中审核该解法，并将急性功能障碍性卒之中的疗法窗口推广到症状发作后24足足以上。ROC 和 Precision-recall curve （PRC）看出剖面努力学习（DL）比六种建模（ML）的步骤更吻合。