无创评估脑卒中损害的AI技术准确率降至92% 美国USC王炯炯团队在Stroke发表文章

近日，英国圣迭戈所大学（USC）Mark and Mary Stevens 神经影像与生物医学所长（INI）的研究成果管理人员正在研究成果一种替代原理，该原理使临床药剂师不用向患者注射造影剂即可检验脑薨之中损害。该团队于2019年12同年在《Stroke》刊物上的发表了篇名《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的发表文章。这篇发表文章的电信所作是INI神经学任教君炯炯（Danny JJ Wang）；第一所作是圣迭戈所大学生物医学工程系在读耶鲁所大学生君凯。据洞察，急性缺血性脑薨之中 (acute ischemic stroke) 是脑薨之中的最常见的多种类型。当患者发病时，血凝块阻碍了大脑之中的动脉血流，临床精神科必须短时间采取行动，给予合理的治疗。上会，药剂师必须进行脑部追踪以确认由薨之中引起的大脑损伤区域，原理是应用于磁共振光学（MRI）或计算机断层追踪（CT）。但是这些追踪原理必须应用于无机化学造影剂，有些还成分高剂量的X-射线微波，而另一些则意味著对有肾脏或血管疾病的患者造成危害。在这项研究成果之中，君炯炯任教团队构建并测试了一种人工智能（AI）解法，该解法可以从一种更安全的大脑追踪多种类型（伪连续动脉自旋标记磁共振光学，pCASL MRI）之中相应提炼出有关薨之中损害的数据。据洞察，这是首次技术的发展深达努力学习解法和无造影剂转化成MRI来比对因薨之中而损坏的脑组织的地区性平台、地区性政府机构的的系统性研究成果。该框架是一种很有前景的原理，可以尽力药剂师订立薨之中的临床治疗方案，并且是仅仅无创的。在检验薨之中患者损坏脑组织的测试之中，该pCASL 深达努力学习框架在两个独立的数据集上均实现了92％的精确度。君炯炯任教团队，包括在读耶鲁所大学研究成果生君凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim耶鲁所大学，与加州所大学洛杉矶分校（UCLA） 和芝加哥所大学（Stanford）的生物学家合作进行了这项研究成果。为了体能训练这一框架，研究成果管理人员应用于167个图形集，捕获于加州所大学洛杉矶分校的1.5Tesla和3.0TeslaAEG（Siemens）MRI 的系统，受试者为137例缺血型薨之中病人。缺乏经验的框架在12个图形集上进行了独立验证，该图形集捕获于芝加哥所大学的1.5Tesla和3.0Tesla通用电气（GE） MRI的系统。据洞察，这项研究成果的一个显着亮点是，其框架被显然是在并不相同光学平台、并不相同医院、并不相同病人群体的情况下依然是合理的。接下来，君炯炯任教团队计划进行一项更大规模的研究成果，以在更多教育政府机构之中检验该解法，并将急性缺血性薨之中的治疗站内扩展到到症状发作后24时长以上。ROC 和 Precision-recall curve （PRC）标示出深达努力学习（DL）比六种机器努力学习（ML）的原理更准确。