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刊发

近日，美国南加州所学校（USC）Mark and Mary Stevens 骨骼肌影像与信息学深入研究所（INI）的深入研究医护人员正在深入研究一种替代步骤，该步骤使流行病学医生无需向病症麻醉水溶性即可评估脑亡里负面影响。该的团队于2019年12月末在《Stroke》杂志上的撰写了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一段话的通讯著者是INI精神病学系主任中山王炯炯（Danny JJ Wang）；第一著者是南加州所学校生命科学工程学院在读麻省理工学院生中山王俊。据理解，急性冠心病脑亡里 (acute ischemic stroke) 是脑亡里的最常见的类M-。当病症确诊时，血凝块不利于了中枢骨骼肌系统里的血管壁血流，流行病学主治医师需要迅速介入，得不到有效性的化疗。举例来说，医生需要顺利进行脊髓扫描以确认由亡里引来的中枢骨骼肌系统损伤区域，步骤是适用医学影像超声（MRI）或计算机断层扫描（CT）。但是这些扫描步骤需要适用药理学水溶性，有些还包含高静脉注射的X-射线紫外线，而另一些则可能对有脾脏或血管病症的病症毒害。在这项深入研究里，中山王炯炯系主任的团队构建并测试了一种AI（AI）演算法，该演算法可以从一种更确保的中枢骨骼肌系统扫描类M-（伪倒数血管壁自旋标记医学影像超声，pCASL MRI）里自动所包含关亡里负面影响的数据。据理解，这是首次广泛应用高度进修演算法和无水溶性灌注MRI来识别因亡里而损害的脑部的跨游戏平台、跨政府部门的系统性深入研究。该基本概念是一种很有现状的步骤，可以帮助医生颁布亡里的流行病学化疗方案，并且是仅仅无创的。在评估亡里病症损害脑部的测试里，该pCASL 高度进修基本概念在两个脱离的数据集上均解决问题了92％的直观度。中山王炯炯系主任的团队，最主要在读麻省理工学院深入研究生中山王俊、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim麻省理工学院，与加州所学校洛杉矶分校（UCLA） 和斯坦福所学校（Stanford）的科学界合作顺利进行了这项深入研究。为了训练这一基本概念，深入研究医护人员适用167个图表集，野外于加州所学校洛杉矶分校的1.5Tesla和3.0Tesla摩托罗拉（Siemens）MRI 系统，受试者为137可有缺血M-亡里病患。经过训练的基本概念在12个图表集上顺利进行了脱离证明，该图表集野外于斯坦福所学校的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据理解，这项深入研究的一个显着；还有是，其基本概念被证明是在各不相同超声游戏平台、各不相同医院、各不相同病患群体的只能几乎是有效性的。接下来，中山王炯炯系主任的团队构想顺利进行一项更大规模的深入研究，以在更多公立医院里评估该演算法，并将急性冠心病亡里的化疗视窗拓展到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）显示高度进修（DL）比六种机器进修（ML）的步骤更直观。