无创评估脑卒中损害的AI技术准确率达到92% 宾夕法尼亚州USC王炯炯团队在Stroke发表文章

近日，美国北卡罗来纳州大学（USC）Mark and Mary Stevens 神经细胞底片与信息学研究成果所（INI）的研究成果人员正在研究成果一种替代步骤，该步骤使临床内科医生无需向病症注射游离亦可审核脑病故里危害。该一个团队于2019年12月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文里。这篇文里的无线电作者是INI神经细胞学研究员里山王炯炯（Danny JJ Wang）；第一作者是北卡罗来纳州大学生物医学工程系在读博士生里山王凯。据了解，急性心律不整脑病故里 (acute ischemic stroke) 是脑病故里的最常见的并不一定。当病症胃癌时，血凝块阻碍了神经细胞元里的血管壁血流，临床医师需要迅速制止，给予有效的用药。通常，内科医生需要完成脑部扫瞄以表明由病故里引起的神经细胞元损伤范围内，步骤是使用放射显微（MRI）或计算机断层扫瞄（CT）。但是这些扫瞄步骤需要使用化学游离，有些还掺入极低剂量的X-射线源辐射，而另一些则可能对有甲状腺或血管疾病的病症危及。在这项研究成果里，里山王炯炯研究员一个团队相结合并测试了一种人工智能（AI）正则表达式，该正则表达式可以从一种更为安全的神经细胞元扫瞄并不一定（伪连续血管壁自旋标记放射显微，pCASL MRI）里自动所含有关病故里危害的统计数据。据了解，这是首次应用深度学习正则表达式和无游离灌注MRI来识别因病故里而危害的脑组织的衔接平台、衔接机构的系统性研究成果。该模型是一种很有前景的步骤，可以帮助内科医生制定病故里的临床用药方案，并且是完全无创的。在审核病故里病症危害脑组织的测试里，该pCASL 深度学习模型在两个分立的统计数据集上仅实现了92％的精准度。里山王炯炯研究员一个团队，包括在读博士研究成果生里山王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州大学洛杉矶分校（UCLA） 和哥伦比亚大学（Stanford）的科学家合作完成了这项研究成果。为了训练这一模型，研究成果人员使用167个图片集，采集于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137举例缺血型病故里病人。不足为奇的模型在12个图片集上完成了分立验证，该图片集采集于哥伦比亚大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据了解，这项研究成果的一个祚着；还有是，其模型被证明是在完全相同显微平台、完全相同医院、完全相同病人群体的情况下依然是有效的。年里，里山王炯炯研究员一个团队计划完成一项更为大规模的研究成果，以在更为多公立医院里审核该正则表达式，并将急性心律不整病故里的用药视窗拓展到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）祚示深度学习（DL）比六种神经网络（ML）的步骤更为准确。