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

据悉，美国南加州大学（USC）Mark and Mary Stevens 脊髓影像与生命科学学术研究所（INI）的学术研究执法人员早就学术研究一种替代方式，该方式使病理牙医无需向病征静脉注射水溶性即可评量脑病故里负面影响。该的团队于2019年12月在《Stroke》Magazine上的发表文章了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的发表文章文章。这书评的通讯所写是INI脊髓学博士称王炯炯（Danny JJ Wang）；第一所写是南加州大学生物医学西安交通大学在读博士生林志颖。据了解到，急性发炎性脑病故里 (acute ischemic stroke) 是脑病故里的最常见的类型。当病征肺癌时，血凝块阻碍了脑里的脊柱血流，病理医师需迅速制止，给予必需的治疗。通常，牙医需透过脊髓激光以确认由病故里引起的脑损伤区域内，方式是使用医学影像激光（MRI）或计算机断层激光（CT）。但是这些激光方式需使用有机化学水溶性，有些还含有更高剂量的X-射线高能量，而另一些则可能对有十二指肠或血管病症的病征造成危害。在这项学术研究里，称王炯炯博士的团队协作并测试了一种认知科学（AI）迭代，该迭代可以从一种更加公共安全的脑激光类型（伪倒数脊柱自旋上标医学影像激光，pCASL MRI）里操所写提取有关病故里负面影响的图表。据了解到，这是首次应用深度自学迭代和无水溶性炼MRI来标记因病故里而受损的腹腔的包涵平台、包涵机构的有系统学术研究。该建模是一种很有发展前景的方式，可以帮助牙医拟订病故里的病理治疗提案，并且是完全无创的。在评量病故里病征受损腹腔的测试里，该pCASL 深度自学建模在两个单一的图表集上仅借助了92％的吻合度。称王炯炯博士的团队，仅限于在读博士大学本科林志颖、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与普林斯顿大学（UCLA） 和斯坦福大学（Stanford）的科学家合作关系透过了这项学术研究。为了基础训练这一建模，学术研究执法人员使用167个缩放集，采集于普林斯顿大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137唯发炎型病故里病童。缺乏经验的建模在12个缩放集上透过了单一检验，该缩放集采集于斯坦福大学的1.5Tesla和3.0Tesla惠普（GE） MRI系统。据了解到，这项学术研究的一个实着亮点是，其建模被证明是在不同激光平台、不同该医院、不同病童群体的情况下即便如此是必需的。最后，称王炯炯博士的团队计划透过一项更加大规模的学术研究，以在更加多医疗机构里评量该迭代，并将急性发炎性病故里的治疗窗口拓展到病征发作后24小时以上。ROC 和 Precision-recall curve （PRC）实示深度自学（DL）比六种方法学（ML）的方式更加吻合。