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，美国橙县的学校（USC）Mark and Mary Stevens 神经系统底片与信息学分析所（INI）的分析技术人员正在分析一种替代工具，该工具使诊断医师无需向高血压切除造影剂即可审核脑病亡里面伤害。该工作团队于2019年12月在《Stroke》刊物上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的收发著者是INI神经系统学博士王于炯炯（Danny JJ Wang）；第一著者是橙县的学校生物医学电气工程在读博士生王于凯。据洞察，急性功能障碍性脑病亡里面 (acute ischemic stroke) 是脑病亡里面的最常见的各种类型。当高血压胃癌时，血凝块阻碍了小脑里面的淋巴血流向，诊断外科医师需要很快作出反应，给予有效率的治疗。通常，医师需要进行时脑干显影以确认由病亡里面造成的小脑损伤区域，工具是使用核磁共振激光（MRI）或计算机断层显影（CT）。但是这些显影工具需要使用矿物学造影剂，有些还掺入极高副作用的X-辐射辐射，而另一些则可能对有肾脏或静脉疾病的高血压造成危害。在这项分析里面，王于炯炯博士工作团队借助于并检测了一种计算机系统（AI）解法，该解法可以从一种更为必要的小脑显影各种类型（伪年中淋巴自旋标记核磁共振激光，pCASL MRI）里面自动抽取有关病亡里面伤害的数据资料。据洞察，这是首次应用厚度自学解法和无造影剂灌注MRI来辨认因病亡里面而毁损的神经的横跨平台、横跨行政部门的系统会性分析。该数学方法是一种很有前景的工具，可以帮助医师制定病亡里面的诊断治疗方案，并且是完全无创的。在审核病亡里面高血压毁损神经的检测里面，该pCASL 厚度自学数学方法在两个实质上的数据资料集上均借助于了92％的准确度。王于炯炯博士工作团队，包括在读博士分析生王于凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与斯坦福的学校（UCLA） 和耶鲁的学校（Stanford）的科学家合作开发进行时了这项分析。为了训练这一数学方法，分析技术人员使用167个图像集，通过观察于斯坦福的学校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统会，病患为137例功能障碍型病亡里面病童。除此以外的数学方法在12个图像集上进行时了实质上的测试，该图像集通过观察于耶鲁的学校的1.5Tesla和3.0Tesla通用汽车（GE） MRI系统会。据洞察，这项分析的一个显着；还有是，其数学方法被证明是在相异激光平台、相异医院、相异病童族群的情况下仍然是有效率的。接下来，王于炯炯博士工作团队计划进行时一项更为大规模的分析，以在更为多医疗行政部门里面审核该解法，并将急性功能障碍性病亡里面的治疗窗口拓展到症状心脏病后24小时以上。ROC 和 Precision-recall curve （PRC）结果显示厚度自学（DL）比六种机器自学（ML）的工具更为准确。