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

全因，美国北卡罗来纳州该大学（USC）Mark and Mary Stevens 神经影像与信息学科学研究所（INI）的科学研究技术人员即将科学研究一种替代法则，该法则使病理医生不须向病症注射造影剂即可评估脑亡中所损害。该设计团队于2019年12同月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的发表文章。这篇发表文章的通讯译者是INI精神病学家该大学教授王时炯炯（Danny JJ Wang）；第一译者是北卡罗来纳州该大学生物医学物理系在读哈佛该大学生张宁。据了解到，急性栓塞性脑亡中所 (acute ischemic stroke) 是脑亡中所的最典HG的类HG。当病症胃癌时，血凝块阻碍了脑干中所的食道血流，病理医生只能迅速采取措施，给予必需的用药。一般来说，医生只能透过脑部显影以确认由亡中所引起的脑干损伤区域，法则是适用超声核超声（MRI）或计算机断层显影（CT）。但是这些显影法则只能适用生物化学造影剂，有些还成份高剂量的X-射线放射，而另一些则可能对有肾脏或微血管病症的病症受伤害。在这项科学研究中所，王时炯炯该大学教授设计团队框架并次测试了一种人工智能（AI）迭代，该迭代可以从一种愈来愈人身安全的脑干显影类HG（伪周内食道自旋标记超声核超声，pCASL MRI）中所自动提取有关亡中所损害的数据。据了解到，这是首次系统设计尺度求学迭代和无造影剂灌注MRI来识别因亡中所而损坏的神经组织的跨该平台、跨机构的种结构性科学研究。该模HG是一种很有前景的法则，可以帮助医生制定亡中所的病理用药方案，并且是完全无创的。在评估亡中所病症损坏神经组织的次测试中所，该pCASL 尺度求学模HG在两个法理的数据集上均实现了92％的准确度。王时炯炯该大学教授设计团队，还包括在读哈佛该大学科学硕士生张宁、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim哈佛该大学，与柏克莱加州该大学（UCLA） 和芝加哥该大学（Stanford）的发现者合作透过了这项科学研究。为了训练这一模HG，科学研究技术人员适用167个图片集，搜集于柏克莱加州该大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 种系统，受试者为137例栓塞HG亡中所病人。经过训练的模HG在12个图片集上透过了法理必需性，该图片集搜集于芝加哥该大学的1.5Tesla和3.0Tesla通用电气（GE） MRI种系统。据了解到，这项科学研究的一个显着耀眼是，其模HG被确实是在各不相同核超声该平台、各不相同该医院、各不相同病人族裔的情形即便如此是必需的。在此之后，王时炯炯该大学教授设计团队著手透过一项愈来愈大规模的科学研究，以在愈来愈多医疗机构中所评估该迭代，并将急性栓塞性亡中所的用药窗口扩张到疼痛复发后24小时以上。ROC 和 Precision-recall curve （PRC）显示尺度求学（DL）比六种人工神经网络（ML）的法则愈来愈准确。