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

亦同，美国加州大学（USC）Mark and Mary Stevens 神经细胞视觉与信息学深入研究所（INI）的深入研究人员早就深入研究一种替代新方法，该新方法使针灸护士无需向病变静脉注射静脉除此以外可风险评估脑病故中的危及。该小组于2019年12月末在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这序言的通讯译者是INI神经细胞学博士中山王炯炯（Danny JJ Wang）；第一译者是加州大学生物医学工程系在读博士生了当。据明了，急性病变性脑病故中的 (acute ischemic stroke) 是脑病故中的的最常见的各种类型。当病变发病时，血凝块促使了脑干中的的动脉血流，针灸牙医只能进一步置之不理，给予有效的病人。通常，护士只能透过脑部显像以证实由病故中的造成的脑干损伤范围内，新方法是可用造影扫描（MRI）或计算机断层显像（CT）。但是这些显像新方法只能可用化学静脉，有些还含有很低剂量的X-射线辐射，而另一些则可能对有肾脏或心肌疾病的病变造成危害。在这项深入研究中的，中山王炯炯博士小组框架并检测了一种机器努力学习（AI）启发式，该启发式可以从一种更安全性的脑干显像各种类型（伪连续动脉自旋标记造影扫描，pCASL MRI）中的自动提取有关病故中的危及的数据。据明了，这是首次应用深努力学习启发式和无静脉转化成MRI来识别因病故中的而受损的脑脊液的图形界面、跨的机构的的系统性深入研究。该仿真是一种很有前景的新方法，可以借助护士制定病故中的的针灸病人方案，并且是只不过无创的。在风险评估病故中的病变受损脑脊液的检测中的，该pCASL 深努力学习仿真在两个独立的数据集上除此以外借助了92％的准确度。中山王炯炯博士小组，除此以外在读博士深入硕士了当、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州大学洛杉矶分校（UCLA） 和斯坦福大学（Stanford）的科学家协作透过了这项深入研究。为了训练这一仿真，深入研究人员可用167个图片集，采集于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 的系统，受试者为137事例病变型病故中的病症。经过训练的仿真在12个图片集上透过了独立检验，该图片集采集于斯坦福大学的1.5Tesla和3.0Tesla美国公司（GE） MRI的系统。据明了，这项深入研究的一个显着；还有是，其仿真被确实是在有所不同扫描平台、有所不同该医院、有所不同病症群体的情况下依然是有效的。接下来，中山王炯炯博士小组计划透过一项更大规模的深入研究，以在更多医疗的机构中的风险评估该启发式，并将急性病变性病故中的的病人窗口拓展到疼痛发作后24小时以上。ROC 和 Precision-recall curve （PRC）显示深努力学习（DL）比六种机器努力学习（ML）的新方法更准确。