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刊登

近日，美国北卡罗来纳州私立大学（USC）Mark and Mary Stevens 大脑影象与信息学研究工作所（INI）的研究工作其他部门正试图研究工作一种替代新方法，该新方法使医学牙医无需向病患者注射人体内即可评量脑病故中都负面影响。该制作团队于2019年12月在《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。这篇文章的通讯作者是INI大脑学讲师王为炯炯（Danny JJ Wang）；第一作者是北卡罗来纳州私立大学生物医学土木工程系在读Dr生王为凯。据认识，急性心律不整脑病故中都 (acute ischemic stroke) 是脑病故中都的最少用的特性。当病患者发病时，血凝块顾虑了大脑中都的淋巴血流向，医学医师能够迅速采取行动，给予适当的外科手术。往往，牙医能够顺利进行脑部读取以获知由病故中都引起的大脑损伤范围，新方法是可用磁共振高分辨率（MRI）或计算机断层读取（CT）。但是这些读取新方法能够可用无机化学人体内，有些还含有颇高剂量的X-辐射源辐射，而另一些则可能对有肝脏或血管疾病的病患者造成危害。在这项研究工作中都，王为炯炯讲师制作团队构建并测试了一种人工智能（AI）线性，该线性可以从一种愈来愈确保安全的大脑读取特性（伪不间断淋巴自旋标记磁共振高分辨率，pCASL MRI）中都自动提取有关病故中都负面影响的数据资料。据认识，这是首次应用厚度深造线性和无人体内灌注MRI来标识因病故中都而损伤的脑组织的包涵应用软件、包涵机构的近期研究工作。该静态是一种很有前景的新方法，可以帮助牙医制定病故中都的医学外科手术计划，并且是完全无创的。在评量病故中都病患者损伤脑组织的测试中都，该pCASL 厚度深造静态在两个分立的数据资料集上均实现了92％的准确度。王为炯炯讲师制作团队，包括在读Dr研究工作生王为凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimDr，与加州私立大学洛杉矶分校（UCLA） 和麻省理工学院（Stanford）的科学家密切合作顺利进行了这项研究工作。为了训练这一静态，研究工作其他部门可用167个图表集，采集于加州私立大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137由此可知缺血型病故中都病患。经过训练的静态在12个图表集上顺利进行了分立实验者，该图表集采集于麻省理工学院的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据认识，这项研究工作的一个夙着；还有是，其静态被证明是在不同高分辨率应用软件、不同医务其他部门、不同病患社会性的情况依然是适当的。几周，王为炯炯讲师制作团队计划顺利进行一项愈来愈大规模的研究工作，以在愈来愈多诊所中都评量该线性，并将急性心律不整病故中都的外科手术售票厅扩张到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）夙示厚度深造（DL）比六种自然语言处理（ML）的新方法愈来愈准确。