无创评估脑卒中损害的AI技术准确率达到92% 美国USC王炯炯团队在Stroke专文

近日，美国加利福尼亚州国立大学（USC）Mark and Mary Stevens 神经系统影像与信息学分析所（INI）的分析工作人员打算分析一种替代方法有，该方法有使医学心理医生不须向病童切除造影剂即可检验脑病卒当中损伤。该他的团队于2019年12月在《Stroke》周刊上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一本书的的通讯所作是INI神经系统学讲师王炯炯（Danny JJ Wang）；第一所作是加利福尼亚州国立大学生物科学工程系在读讲师生了当。据知晓，急性败血症脑病卒当中 (acute ischemic stroke) 是脑病卒当中的最常见的一般来说号。当病童中风时，血凝块受阻了大脑当中的动脉血流过，医学中医师不须很快作出反应，给予合理的外科手术。一般而言，心理医生不须透过脑组织读取以确认由病卒当中引起的大脑伤害区域，方法有是采用表征很低分辨率（MRI）或计算机断层读取（CT）。但是这些读取方法有不须采用化学造影剂，有些还含有很低药物的X-射线辐射，而另一些则可能对有肿瘤或血管疾病的病童危害。在这项分析当中，王炯炯讲师他的团队构建并验证了一种AI（AI）算法，该算法可以从一种非常必需的大脑读取一般来说号（所谓连续动脉粒子标识表征很低分辨率，pCASL MRI）当中自动抽取有关病卒当中损伤的统计数据。据知晓，这是首次应用广度研修算法和无造影剂灌注MRI来识别因病卒当中而受损的神经系统组织的开发工具、跨机构的系统对性分析。该静态号是一种很有脆弱性的方法有，可以帮助心理医生颁布病卒当中的医学外科手术方案，并且是基本上无创的。在检验病卒当中病童受损神经系统组织的验证当中，该pCASL 广度研修静态号在两个独立的统计数据集上原则上做到了92％的准确度。王炯炯讲师他的团队，除此以外在读讲师分析生了当、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim讲师，与加州国立大学洛杉矶分校（UCLA） 和耶鲁国立大学（Stanford）的科学家协作透过了这项分析。为了训练这一静态号，分析工作人员采用167个图片集，搜集于加州国立大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统对，受试者为137同上缺血型号病卒当中病童。不足为奇的静态号在12个图片集上透过了独立验证，该图片集搜集于耶鲁国立大学的1.5Tesla和3.0Tesla波音公司（GE） MRI系统对。据知晓，这项分析的一个祚着引人注目是，其静态号被证明是在不尽相同很低分辨率游戏平台、不尽相同的医院、不尽相同病童社会群体的但会始终是合理的。再一，王炯炯讲师他的团队计划透过一项非常大规模的分析，以在非常多诊所当中检验该算法，并将急性败血症病卒当中的外科手术窗口拓展到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）推测广度研修（DL）比六种机器研修（ML）的方法有非常准确。