无创指标脑卒中损害的AI技术准确率达到92% 美国USC王炯炯团队在Stroke发表文章

昨日，美国南加州大学（USC）Mark and Mary Stevens 神经影像与生物医学深入研究所（INI）的深入研究职员即将深入研究一种替代分析方法，该分析方法使针灸精神科无需向症状注射游离方可分析脑薨里伤害。该团队于2019年12月初在《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。这序言的通讯著者是INI精神分析研究员三王炯炯（Danny JJ Wang）；第一著者是南加州大学生物技术工程系在读哈佛大学生三王凯。据了解，急性性结核病性脑薨里 (acute ischemic stroke) 是脑薨里的最常见的一般来说。当症状发病时，血凝块阻碍了人脑里的静脉血漂，针灸主治医师并不需要迅速采取措施，得到有效的病患。往往，精神科并不需要透过脊髓图像以确认由薨里引起的人脑损伤周边，分析方法是应用于PET图像（MRI）或计算机断层图像（CT）。但是这些图像分析方法并不需要应用于化学游离，有些还含很高剂量的X-射线辐射，而另一些则可能对有肾脏或血管结核病的症状危害。在这项深入研究里，三王炯炯研究员团队借助于并测试了一种人工智能（AI）启发式，该启发式可以从一种来得人身安全的人脑图像一般来说（假连续静脉带电粒子标记PET图像，pCASL MRI）里自动提取有关薨里伤害的数据。据了解，这是首次应用厚度研读启发式和无游离灌入MRI来识别因薨里而受损的脑组织的跨游戏平台、跨机构的系统对性深入研究。该框架是一种很有前景的分析方法，可以尽力精神科草拟薨里的针灸病患方案，并且是完全无创的。在分析薨里症状受损脑组织的测试里，该pCASL 厚度研读框架在两个独立国家的数据集上均实现了92％的精确度。三王炯炯研究员团队，包括在读哈佛大学深入研究生三王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim哈佛大学，与柏克莱加州大学（UCLA） 和斯坦福大学（Stanford）的科学家携手透过了这项深入研究。为了训练这一框架，深入研究职员应用于167个图像集，通过观察于柏克莱加州大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统对，成年人为137例性结核病型薨里病人。经过训练的框架在12个图像集上透过了独立国家验证，该图像集通过观察于斯坦福大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统对。据了解，这项深入研究的一个显着亮点是，其框架被证明是在各不相同图像游戏平台、各不相同医院、各不相同病人社会性的情况下过去是有效的。月初里，三王炯炯研究员团队计划透过一项来得大规模的深入研究，以在来得多诊所里分析该启发式，并将急性性结核病性薨里的病患窗口拓展到症状发作后24足足以上。ROC 和 Precision-recall curve （PRC）看出厚度研读（DL）比六种机器研读（ML）的分析方法来得准确。