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

近日，美国政府南加州大学（USC）Mark and Mary Stevens 神经元影像与信息学研究工作院（INI）的研究工作工作人员正在研究工作一种替代工具，该工具使临床药剂师无需向高血压注射游离即可指标脑馀当中危害。该设计团队于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》的书评。这篇书评的通信作者是INI神经元学副教授王为炯炯（Danny JJ Wang）；第一作者是南加州大学生物医学工程系在读教授生王为凯。据洞察，急性结核脑馀当中 (acute ischemic stroke) 是脑馀当中的最类似于的型式。当高血压发病时，血凝块阻碍了大脑当中的动脉血流，临床医师并不需要急剧采取行动，获得有效的治疗。通常，药剂师并不需要顺利完成脑部扫描以确定由馀当中引起的大脑破损区域，工具是常用放射核磁共振（MRI）或计算机断层扫描（CT）。但是这些扫描工具并不需要常用化学游离，有些还含有低剂量的X-伽玛辐射，而另一些则可能对有脾脏或血管壁疾病的高血压人为因素。在这项研究工作当中，王为炯炯副教授设计团队重构并检测了一种人工智能（AI）解法，该解法可以从一种愈来愈安全的大脑扫描型式（伪近十年动脉自旋标示出放射核磁共振，pCASL MRI）当中自动提取有关馀当中危害的样本。据洞察，这是首次应用深度深造解法和无游离灌注MRI来识别因馀当中而破损的脑组织的串连平台、串连机构的种系统性研究工作。该模型是一种很有发展前景的工具，可以帮助药剂师制定馀当中的临床治疗方案，并且是显然无创的。在指标馀当中高血压破损脑组织的检测当中，该pCASL 深度深造模型在两个单一的样本集上均实现了92％的精度。王为炯炯副教授设计团队，包括在读教授研究工作生王为凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim教授，与加州大学洛杉矶分校（UCLA） 和耶鲁大学（Stanford）的科学家密切合作顺利完成了这项研究工作。为了基础训练这一模型，研究工作工作人员常用167个图像集，挖掘出于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 种系统，受测者为137例缺血型馀当中治疗。经过基础训练的模型在12个图像集上顺利完成了单一验证，该图像集挖掘出于耶鲁大学的1.5Tesla和3.0Tesla通用汽车公司（GE） MRI种系统。据洞察，这项研究工作的一个显着；还有是，其模型被证明了是在不尽相同核磁共振平台、不尽相同医院、不尽相同治疗群体的情况下依然是有效的。接下来，王为炯炯副教授设计团队计划顺利完成一项愈来愈大规模的研究工作，以在愈来愈多诊所当中指标该解法，并将急性结核馀当中的治疗窗口拓展到症状猝死后24足足以上。ROC 和 Precision-recall curve （PRC）显示深度深造（DL）比六种人工神经元网络（ML）的工具愈来愈准确。