无创评估脑卒中损害的AI应用准确率达到92% 美国USC王炯炯团队在Stroke发表文章

近来，旧金山加州所学校（USC）Mark and Mary Stevens 神经元影像与信息学科学研究私人机构（INI）的科学研究医务人员将要科学研究一种替代法则，该法则使外科心理医生无需向高血压注射检测器即可分析报告脑殁中的妨碍。该开发团队于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》的文章。这序言的通讯作者是INI神经元学任教称王炯炯（Danny JJ Wang）；第一作者是加州所学校生物医学物理系在读硕士生称王凯。据了解，急性结核脑殁中的 (acute ischemic stroke) 是脑殁中的的最相似的特性。当高血压发病时，血凝块妨碍了神经系统中的的横膈膜血引，外科医师只能迅速采取行动，给与有效的治疗。一般而言，心理医生只能同步进行脑部扫描以确认由殁中的引起的神经系统挫伤区域，法则是使用成像成像（MRI）或计算机断层扫描（CT）。但是这些扫描法则只能使用化学检测器，有些还含有高剂量的X-伽马射线放射，而另一些则可能对有十二指肠或毛细血管疾病的高血压造成危害。在这项科学研究中的，称王炯炯任教开发团队构建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安全和的神经系统扫描特性（伪连续横膈膜原子标记成像成像，pCASL MRI）中的自动提取有关殁中的妨碍的样本。据了解，这是首次应用剖面努力学习正则表达式和无检测器浸入MRI来辨识因殁中的而毁损的脑组织的一环和平台、一环私人机构的系统化科学研究。该假设是一种很有现状的法则，可以帮助心理医生制定殁中的的外科治疗方案，并且是完全无创的。在分析报告殁中的高血压毁损脑组织的测试中的，该pCASL 剖面努力学习假设在两个独立国家的样本集上均付诸了92％的精确度。称王炯炯任教开发团队，最主要在读博士科学研究生称王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州所学校（UCLA） 和耶鲁所学校（Stanford）的科学家合作同步进行了这项科学研究。为了训练这一假设，科学研究医务人员使用167个图形集，采自于加州所学校的1.5Tesla和3.0Tesla西门子公司（Siemens）MRI 系统，病患为137例缺血型式殁中的病人。时是的假设在12个图形集上同步进行了独立国家验证，该图形集采自于耶鲁所学校的1.5Tesla和3.0Tesla惠普（GE） MRI系统。据了解，这项科学研究的一个显着；还有是，其假设被证明是在各不相同成像和平台、各不相同医院、各不相同病人群体的意味着即使如此是有效的。接下来，称王炯炯任教开发团队计划同步进行一项更大规模的科学研究，以在更多医疗私人机构中的分析报告该正则表达式，并将急性结核殁中的的治疗窗口开拓到病因发作后24足足以上。ROC 和 Precision-recall curve （PRC）结果显示剖面努力学习（DL）比六种机器努力学习（ML）的法则更准确。