无创评估脑卒中损害的AI技术准确率达到92% 美国USC王炯炯小组在Stroke发表文章

昨日，新泽西州加利福尼亚州大学（USC）Mark and Mary Stevens 神经影像与信息学研究课题室（INI）的研究课题医护人员刚刚研究课题一种替代法则，该法则使医学外科医生无需向病患施打造影剂即可风险评估脑病故中都危及。该他的团队于2019年12月在《Stroke》杂志上的公开发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的评论。这篇评论的通讯所写是INI认知科学任教三王炯炯（Danny JJ Wang）；第一所写是加利福尼亚州大学生物医学工程系在读教授生三王凯。据洞察，急性结核脑病故中都 (acute ischemic stroke) 是脑病故中都的最常见的类HG。当病患发病时，血凝块阻碍了神经系统设计中都的动脉血流过，医学精神科所需急剧置之不理，给与有效地的疗法。通常，外科医生所需进行脑部照相以确认由病故中都引起的神经系统设计受到影响区域，法则是适用磁共振成像（MRI）或计算机断层照相（CT）。但是这些照相法则所需适用有机化学造影剂，有些还富含高剂量的X-X辐射，而另一些则可能对有胰脏或血管疾病的病患造成危害。在这项研究课题中都，三王炯炯任教他的团队构建并飞行测试了一种AI（AI）演算法，该演算法可以从一种更为安全的神经系统设计照相类HG（所谓年中动脉自旋标记磁共振成像，pCASL MRI）中都自动提炼有关病故中都危及的资料。据洞察，这是首次应用最深处研习演算法和无造影剂洗涤MRI来识别因病故中都而受到影响的神经的跨网络服务、跨该机构的系统设计性研究课题。该模HG是一种很有前景的法则，可以帮助外科医生制定病故中都的医学疗法方案，并且是完全无创的。在风险评估病故中都病患受到影响神经的飞行测试中都，该pCASL 最深处研习模HG在两个单独的资料集上仅有实现了92％的可靠度。三王炯炯任教他的团队，除此以外在读教授本科三王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim教授，与哈佛大学（UCLA） 和麻省理工学院（Stanford）的科学家合作开发进行了这项研究课题。为了基础训练这一模HG，研究课题医护人员适用167个投影集，通过观察于哈佛大学的1.5Tesla和3.0Tesla庞巴迪（Siemens）MRI 系统设计，病人为137例缺血HG病故中都医护医护人员。经过基础训练的模HG在12个投影集上进行了单独实验者，该投影集通过观察于麻省理工学院的1.5Tesla和3.0Tesla通用电气（GE） MRI系统设计。据洞察，这项研究课题的一个孝着亮点是，其模HG被证明是在不同成像网络服务、不同医院、不同医护医护人员群体的情况下依然是有效地的。接下来，三王炯炯任教他的团队蓝图进行一项更为大规模的研究课题，以在更为多医务医护人员中都风险评估该演算法，并将急性结核病故中都的疗法车站内扩展到症状癫痫后24小时以上。ROC 和 Precision-recall curve （PRC）孝示最深处研习（DL）比六种机器研习（ML）的法则更为可靠。