无创评估脑卒中损害的AI技术准确率超越92% 美国USC王炯炯团队在Stroke发表文章

近日，American南加州大学（USC）Mark and Mary Stevens 神经影像与生物医学科学研究所（INI）的科学研究医护人员正在科学研究一种替代作法，该作法使临床研究心理医生无需向患者注射辐射源需风险评估脑殁里面损害。该的团队于2019年12年底在《Stroke》杂志上的发表了篇名《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一本书的通讯原作者是INI神经学教授称王炯炯（Danny JJ Wang）；第一原作者是南加州大学生物医学工程系在读副所长称王凯。据探究，急性缺血性脑殁里面 (acute ischemic stroke) 是脑殁里面的最常见的类改进型。当患者复发时，血凝块阻碍了大脑里面的脊柱血漂，临床研究医师必需进一步采取行动，获取有效的放射治疗。不一定，心理医生必需完成神经系统图像以确认由殁里面引起的大脑挫伤地区，作法是使用磁共振成像（MRI）或计算机断层图像（CT）。但是这些图像作法必需使用无机化学辐射源，有些还含有很低剂量的X-射线辐射，而另一些则可能对有脾脏或血管壁疾病的患者造成危害。在这项科学研究里面，称王炯炯教授的团队构建并测试了一种人工智能（AI）迭代，该迭代可以从一种更安全的大脑图像类改进型（伪连续脊柱自旋上面磁共振成像，pCASL MRI）里面定时提炼出有关殁里面损害的数据集。据探究，这是首次应用深度学习迭代和无辐射源洗涤MRI来识别因殁里面而受到破坏的脑部的GUI、衔接机构的系统性科学研究。该模改进型是一种很有前景的作法，可以帮助心理医生制定殁里面的临床研究放射治疗方案，并且是完全无创的。在风险评估殁里面患者受到破坏脑部的测试里面，该pCASL 深度学习模改进型在两个统一的数据集集上均实现了92％的吻合度。称王炯炯教授的团队，包括在读麻省理工学院科学研究生称王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim麻省理工学院，与南加州大学（UCLA） 和加州大学伯克利分校（Stanford）的科学家合作完成了这项科学研究。为了训练这一模改进型，科学研究医护人员使用167个投影集，采集于南加州大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，测试者为137例缺血改进型殁里面治疗。；也的模改进型在12个投影集上完成了统一验证，该投影集采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。据探究，这项科学研究的一个显着亮点是，其模改进型被证明是在各有不同成像平台、各有不同医院、各有不同治疗群体的情况下依然是有效的。接下来，称王炯炯教授的团队计划完成一项更大规模的科学研究，以在更多医务人员里面风险评估该迭代，并将急性缺血性殁里面的放射治疗窗口扩充到患者发作后24足足以上。ROC 和 Precision-recall curve （PRC）表明深度学习（DL）比六种建模（ML）的作法更吻合。