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

近来，英国圣莫尼卡大学（USC）Mark and Mary Stevens 神经相片与信息学研究课题所（INI）的研究课题管理人员打算研究课题一种替代方式，该方式使诊疗眼科医生无需向病患者静脉注射消化道方可分析脑馀中的侵害。该团队于2019年12月在《Stroke》杂志上的公开发表了并作《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的短文。这篇短文的通讯原作者是INI神经学名誉教授王于炯炯（Danny JJ Wang）；第一原作者是圣莫尼卡大学生物医学工程系在读哈佛大学生王于凯。据洞察，急性结核脑馀中的 (acute ischemic stroke) 是脑馀中的的最常见的类型号。当病患者中风时，血凝块致使了脑部中的的动脉血漂，诊疗眼科医生需迅速采取行动，获取必要的治疗法。往往，眼科医生需进行脑部图片以认定由馀中的引起的脑部损伤周围，方式是用到放射核磁共振（MRI）或计算机断层图片（CT）。但是这些图片方式需用到物理化学消化道，有些还含有高剂量的X-辐射电磁辐射，而另一些则可能对有肾脏或血管壁疾病的病患者完全避免。在这项研究课题中的，王于炯炯名誉教授团队构建并飞行测试了一种人脑（AI）方法，该方法可以从一种愈来愈安全的脑部图片类型号（假连续动脉自旋标记放射核磁共振，pCASL MRI）中的自动提炼出有关馀中的侵害的信息。据洞察，这是首次技术的发展深达研修方法和无消化道灌注MRI来识别因馀中的而毁坏的肌肉组织的脚本语言、跨机构的系统会性研究课题。该数学方法是一种很有机遇的方式，可以鼓励眼科医生制定馀中的的诊疗治疗法提议，并且是仅仅无创的。在分析馀中的病患者毁坏肌肉组织的飞行测试中的，该pCASL 深达研修数学方法在两个脱离的信息集上均实现了92％的直观度。王于炯炯名誉教授团队，包括在读哈佛大学研究课题生王于凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim哈佛大学，与普林斯顿大学（UCLA） 和加州大学伯克利分校（Stanford）的研究者共同进行了这项研究课题。为了训练这一数学方法，研究课题管理人员用到167个图片集，收集于普林斯顿大学的1.5Tesla和3.0TeslaAEG（Siemens）MRI 系统会，病人为137可有恶性肿瘤型号馀中的病童。经过训练的数学方法在12个图片集上进行了脱离验证，该图片集收集于加州大学伯克利分校的1.5Tesla和3.0Tesla通用电气（GE） MRI系统会。据洞察，这项研究课题的一个显着令人难忘是，其数学方法被证明是在相同核磁共振平台、相同养老院、相同病童群体的意味着依然是必要的。接下来，王于炯炯名誉教授团队原计划进行一项愈来愈大规模的研究课题，以在愈来愈多医疗机构中的分析该方法，并将急性结核馀中的的治疗法售票厅扩充到呕吐发作后24两星期以上。ROC 和 Precision-recall curve （PRC）说明了深达研修（DL）比六种机器研修（ML）的方式愈来愈直观。