无创评估脑卒中损害的AI技术准确率达到92% 美国USC王炯炯小组在Stroke发表文章

已对，美国南加州大学（USC）Mark and Mary Stevens 骨骼肌影像与信息学科学研究所（INI）的科学研究职员正在科学研究一种替代步骤，该步骤使医学心理医生无需向病人注射人体内方可指标脑病亡中的损害。该一个团队于2019年12月在《Stroke》时尚杂志上的发表了一本书《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯编者是INI骨骼肌学研究员称王炯炯（Danny JJ Wang）；第一编者是南加州大学工程学工程系在读助手生杨林。据认识，急性动脉瘤脑病亡中的 (acute ischemic stroke) 是脑病亡中的的最典型的类型式。当病人复发时，血凝块妨碍了大脑中的的动脉血流，医学医师需要短时间内作出反应，给予有效的疗程。通常，心理医生需要开展脑部打印以确认由病亡中的招致的大脑损害周边，步骤是应用于核磁共振光学（MRI）或计算机断层打印（CT）。但是这些打印步骤需要应用于工程学人体内，有些还含有高剂量的X-辐射源辐射，而另一些则可能对有甲状腺或甲状腺癌症的病人造成危害。在这项科学研究中的，称王炯炯研究员一个团队构建并检验了一种计算机科学（AI）演算法，该演算法可以从一种越来越安全的大脑打印类型式（仅仅只是月份动脉自旋标记核磁共振光学，pCASL MRI）中的自动合成有关病亡中的损害的统计数据。据认识，这是首次应用厚度努力学习演算法和无人体内浸入MRI来鉴别因病亡中的而受到影响的人体内的包涵包涵平台、包涵机构的全面性科学研究。该三维是一种很有前景的步骤，可以帮助心理医生制定病亡中的的医学疗程方案，并且是完全无创的。在指标病亡中的病人受到影响人体内的检验中的，该pCASL 厚度努力学习三维在两个实质上的统计数据集上之外实现了92％的稳定度。称王炯炯研究员一个团队，包含在读助手本科杨林、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim助手，与斯坦福大学（UCLA） 和斯坦福大学（Stanford）的科学家协作开展了这项科学研究。为了军事训练这一三维，科学研究职员应用于167个影像集，搜集于斯坦福大学的1.5Tesla和3.0Tesla阿尔斯通（Siemens）MRI 种系统，实验者为137例缺血型式病亡中的病人。经过军事训练的三维在12个影像集上开展了实质上有效性，该影像集搜集于斯坦福大学的1.5Tesla和3.0Tesla通用电气（GE） MRI种系统。据认识，这项科学研究的一个显着亮点是，其三维被假定是在并不相同光学包涵平台、并不相同医院、并不相同病人群体的只能依然是有效的。在此之后，称王炯炯研究员一个团队计划开展一项越来越大规模的科学研究，以在越来越多医疗机构中的指标该演算法，并将急性动脉瘤病亡中的的疗程售票处拓展到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）说明了厚度努力学习（DL）比六种骨骼肌网络（ML）的步骤越来越吻合。