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

昨日，美国南加州所大学（USC）Mark and Mary Stevens 神经影像与信息学研究工作所（INI）的研究工作工作人员正在研究工作一种替代步骤，该步骤使医学眼科医生并不需要向病症麻醉样品即可评估脑病死中会损害。该一个团队于2019年12月在《Stroke》时尚杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯所作是INI神经学耶鲁大学王之炯炯（Danny JJ Wang）；第一所作是南加州所大学生物医学工程系在读耶鲁大学生王之俊。据了解，急性缺血性脑病死中会 (acute ischemic stroke) 是脑病死中会的最常用的各种类型。当病症发病时，血凝块促使了大脑中会的血管壁血流，医学医师能够很快采取行动，得到适当的用药。上会，眼科医生能够顺利进行神经图表以确认由病死中会导致的大脑挫伤区域，步骤是使用磁共振成像（MRI）或计算机断层图表（CT）。但是这些图表步骤能够使用化学样品，有些还包含极高剂量的X-辐射源辐射，而另一些则祚然对有肾脏或血管疟疾的病症毒害。在这项研究工作中会，王之炯炯耶鲁大学一个团队协作并次测试了一种人工智能（AI）解法，该解法可以从一种更为安全性的大脑图表各种类型（仅仅只是年中会血管壁粒子标记磁共振成像，pCASL MRI）中会自动提取有关病死中会损害的数据。据了解，这是首次技术的发展浅层研读解法和无样品去除MRI来识别因病死中会而受到影响的脑脊液的图形界面、跨机构的控制系统地研究工作。该模型是一种很有前景的步骤，可以协助眼科医生制定病死中会的医学用药设计方案，并且是完全无创的。在评估病死中会病症受到影响脑脊液的次测试中会，该pCASL 浅层研读模型在两个独立的数据集上均实现了92％的准确度。王之炯炯耶鲁大学一个团队，包括在读耶鲁大学研究工作生王之俊、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim耶鲁大学，与密西根所大学（UCLA） 和斯坦福所大学（Stanford）的科学家合作顺利进行了这项研究工作。为了训练这一模型，研究工作工作人员使用167个图表集，采集于密西根所大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 控制系统，人会为137亦然缺血型病死中会产妇。不足为奇的模型在12个图表集上顺利进行了独立验证，该图表集采集于斯坦福所大学的1.5Tesla和3.0Tesla通用电气（GE） MRI控制系统。据了解，这项研究工作的一个祚着看点是，其模型被证明是在多种不同成像平台、多种不同该医院、多种不同产妇社会性的意味著一直是适当的。再一，王之炯炯耶鲁大学一个团队蓝图顺利进行一项更为大规模的研究工作，以在更为多医疗机构中会评估该解法，并将急性缺血性病死中会的用药窗口拓展到症状心脏病后24小时以上。ROC 和 Precision-recall curve （PRC）祚示浅层研读（DL）比六种机器研读（ML）的步骤更为准确。