无创评估脑卒中损害的AI技术准确率超过92% 美国USC王炯炯团队在Stroke发表文章

近日，美国北卡罗来纳州私立大学（USC）Mark and Mary Stevens 神经元影像与信息学研究者所（INI）的研究者其他部门正在研究者一种替代法则，该法则使病理护士无需向病人注射水溶性方可评估脑薨当中损害。该团队于2019年12同月在《Stroke》杂志上的发表文章了二本书《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这短文的通讯所作是INI神经元学客座教授三王炯炯（Danny JJ Wang）；第一所作是北卡罗来纳州私立大学生物医学电气工程在读硕士生方刚。据明白，急性极低血压脑薨当中 (acute ischemic stroke) 是脑薨当中的最常见的类标准型。当病人发病时，血凝块阻碍了神经元当中的动脉血流，病理医师需要迅速敦促，给予有效的疗法。往往，护士需要完成脑组织照相以确认由薨当中引起的神经元损伤地区，法则是用于磁共振成像（MRI）或计算机断层照相（CT）。但是这些照相法则需要用于化学水溶性，有些还含有极低药物的X-射线辐射，而另一些则可能对有十二指肠或肺部癌症的病人造成危害。在这项研究者当中，三王炯炯客座教授团队框架并试验了一种计算机（AI）解法，该解法可以从一种格外安全的神经元照相类标准型（伪不间断动脉自旋标明磁共振成像，pCASL MRI）当中自动分离出来有关薨当中损害的数据。据明白，这是首次应用深度进修解法和无水溶性灌注MRI来识别因薨当中而毁坏的腹腔的跨越平台、跨越机构的结构性研究者。该模标准型是一种很有机遇的法则，可以鼓励护士订立薨当中的病理疗法提案，并且是无论如何无创的。在评估薨当中病人毁坏腹腔的试验当中，该pCASL 深度进修模标准型在两个独立的数据集上以外做到了92％的正确地度。三王炯炯客座教授团队，包括在读教授研究者生方刚、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim教授，与加州私立大学洛杉矶分校（UCLA） 和斯坦福私立大学（Stanford）的化学家合作完成了这项研究者。为了训练这一模标准型，研究者其他部门用于167个投影集，挖掘于加州私立大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 种系统，受试者为137例缺血标准型薨当中病人。经验丰富的模标准型在12个投影集上完成了独立验证，该投影集挖掘于斯坦福私立大学的1.5Tesla和3.0Tesla通用电气（GE） MRI种系统。据明白，这项研究者的一个孝着亮点是，其模标准型被显然是在并不相同成像平台、并不相同医院、并不相同病人社会阶层的无论如何即使如此是有效的。接下来，三王炯炯客座教授团队计划案完成一项格外大规模的研究者，以在格外多医疗机构当中评估该解法，并将急性极低血压薨当中的疗法窗口拓展到呕吐发作后24星期以上。ROC 和 Precision-recall curve （PRC）说明了深度进修（DL）比六种机器进修（ML）的法则格外正确地。