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

近日，宾夕法尼亚州加利福尼亚州国立大学（USC）Mark and Mary Stevens 神经细胞幻灯片与信息学研究课题所（INI）的研究课题人员悄悄研究课题一种替代作法，该作法使临床研究课题护士必需向病变麻醉超声才会检验脑薨当中损害。该工作团队于2019年12月在《Stroke》杂志上的刊载了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯作者是INI神经细胞学名誉教授君炯炯（Danny JJ Wang）；第一作者是加利福尼亚州国立大学生物医学工程系在读博士生君凯。据认识到，急性心律不整脑薨当中 (acute ischemic stroke) 是脑薨当中的最常见的类型式。当病变发病时，血凝块促使了小脑当中的动脉血流，临床研究课题精神科所需迅速采取行动，给予适当的用药。通常，护士所需开展脑部追踪以验证由薨当中引起的小脑损伤地区，作法是使用PET成像（MRI）或计算机断层追踪（CT）。但是这些追踪作法所需使用工程学超声，有些还掺入高剂量的X-射线源辐射，而另一些则确实对有心脏或血管疾病的病变造成危害。在这项研究课题当中，君炯炯名誉教授工作团队构筑并飞行测试了一种计算机科学（AI）演算法，该演算法可以从一种更为人身安全的小脑追踪类型式（伪不间断动脉自旋上标PET成像，pCASL MRI）当中自动提取有关薨当中损害的样本。据认识到，这是首次应用领域尺度进修演算法和无超声灌注MRI来辨识因薨当中而损害的骨骼肌的功能强大、跨机构的系统性研究课题。该数学模型式是一种很有前途的作法，可以帮助护士制订薨当中的临床研究课题用药建议书，并且是只不过无创的。在检验薨当中病变损害骨骼肌的飞行测试当中，该pCASL 尺度进修数学模型式在两个脱离的样本集上均实现了92％的稳定度。君炯炯名誉教授工作团队，包括在读博士研究课题生君凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与UCLA（UCLA） 和斯坦福国立大学（Stanford）的科学家密切合作开展了这项研究课题。为了军事训练这一数学模型式，研究课题人员使用167个投影集，挖掘于UCLA的1.5Tesla和3.0Tesla日立（Siemens）MRI 系统，受试者为137实有缺血型式薨当中用药。不足为奇的数学模型式在12个投影集上开展了脱离验证，该投影集挖掘于斯坦福国立大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据认识到，这项研究课题的一个孝着；还有是，其数学模型式被推论是在相异成像平台、相异医院、相异用药族群的完全依然是适当的。几周，君炯炯名誉教授工作团队计划开展一项更为大规模的研究课题，以在更为多医疗机构当中检验该演算法，并将急性心律不整薨当中的用药可视扩张到病征高烧后24小时以上。ROC 和 Precision-recall curve （PRC）看出尺度进修（DL）比六种计算机科学（ML）的作法更为准确。