无创评估脑卒中受到影响的AI技术准确率达到92% 美国USC王炯炯团队在Stroke发表文章

近日，加拿大南加州医学院（USC）Mark and Mary Stevens 脑部影像与计算机系研究者所（INI）的研究者人员正在研究者一种替代工具，该工具使外科外科医生无须向病变注射造影剂亦可指标脑馀里面危及。该开发团队于2019年12月在《Stroke》杂志上的撰写了篇文章《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的社论。这篇社论的点对点写作者是INI脑部学教授里面山王炯炯（Danny JJ Wang）；第一写作者是南加州医学院微生物学西安交通医学院在读哈佛医学院生杨林。据了解到，急性缺血性脑馀里面 (acute ischemic stroke) 是脑馀里面的最常见的类改型。当病变中风时，血凝块以致于了大脑里面的动脉血流，外科护理人员必需迅速置之不理，得到有效的病患。上会，外科医生必需开展脑部贞像以推定由馀里面造成了的大脑烧伤区域，工具是使用MRI成像（MRI）或计算机断层贞像（CT）。但是这些贞像工具必需使用物理化学造影剂，有些还含高剂量的X-X辐射，而另一些则可能对有肝脏或血管疾病的病变造成危害。在这项研究者里面，里面山王炯炯教授开发团队构建并试验了一种人工智慧（AI）正则表达式，该正则表达式可以从一种更为安全的大脑贞像类改型（伪年中动脉动量标记MRI成像，pCASL MRI）里面终端浓缩有关馀里面危及的数据。据了解到，这是首次应用深自学正则表达式和无造影剂去除MRI来识别因馀里面而损毁的脑脊液的应用软件、地区性机构的系统性研究者。该假设是一种很有前景的工具，可以借助外科医生制定馀里面的外科病患方案，并且是完全无创的。在指标馀里面病变损毁脑脊液的试验里面，该pCASL 深自学假设在两个独立自主的数据集上仅有付诸了92％的准确度。里面山王炯炯教授开发团队，包括在读哈佛医学院研究者生杨林、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim哈佛医学院，与布朗医学院（UCLA） 和耶鲁医学院（Stanford）的科学界合作开展了这项研究者。为了训练这一假设，研究者人员使用167个图象集，热带植物于布朗医学院的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，测试者为137唯缺血改型馀里面病人。除此以外的假设在12个图象集上开展了独立自主验证，该图象集热带植物于耶鲁医学院的1.5Tesla和3.0Tesla美国公司（GE） MRI系统。据了解到，这项研究者的一个贞着亮点是，其假设被表明是在相同成像平台、相同医务人员、相同病人族裔的情况下即便如此是有效的。接下来，里面山王炯炯教授开发团队开发计划开展一项更为大规模的研究者，以在更为多诊所里面指标该正则表达式，并将急性缺血性馀里面的病患车站内扩大到征状发病后24每隔以上。ROC 和 Precision-recall curve （PRC）结果贞示深自学（DL）比六种机器自学（ML）的工具更为准确。