无创评估脑卒中损害的AI技术准确率达到92% 澳大利亚USC王炯炯团队在Stroke发表文章

近日，美国南加州国立大学（USC）Mark and Mary Stevens 神经影像与信息学数据分析所（INI）的数据分析其他部门准备数据分析一种替代方法有，该方法有使临床医师无需向患儿注射消化道才可分析报告脑病卒中会损害。该团队于2019年12翌年在《Stroke》月刊上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯作者是INI神经学客座教授中会山王炯炯（Danny JJ Wang）；第一作者是南加州国立大学生物医学工程系在读博士生中会山王凯。据洞察，急性败血症脑病卒中会 (acute ischemic stroke) 是脑病卒中会的最常见的型式。当患儿发病时，血凝块冲击了大脑中会的动脉血逆，临床精神科需迅速采取行动，给予有效率的放射治疗。一般而言，医师需进行时脑部打印以确认由病卒中会引起的大脑损伤区域，方法有是适用磁共振打印（MRI）或计算机断层打印（CT）。但是这些打印方法有需适用化学消化道，有些还含极高剂量的X-伽玛辐射，而另一些则或许对有肾脏或毛细血管疾病的患儿造成危害。在这项数据分析中会，中会山王炯炯客座教授团队构建并测试了一种人工智能（AI）搜索算法，该搜索算法可以从一种格外安全的大脑打印型式（伪连续动脉自旋标有磁共振打印，pCASL MRI）中会系统会提取有关病卒中会损害的数据。据洞察，这是首次应用领域深达深造搜索算法和无消化道灌注MRI来识别因病卒中会而破损的神经的跨平台、跨管理机构的系统性数据分析。该基本概念是一种很有前景的方法有，可以帮助医师制定病卒中会的临床放射治疗建议，并且是显然无创的。在分析报告病卒中会患儿破损神经的测试中会，该pCASL 深达深造基本概念在两个独立的数据集上均充分利用了92％的精度。中会山王炯炯客座教授团队，都有在读博士数据分析生中会山王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与斯坦福国立大学（UCLA） 和斯坦福国立大学（Stanford）的科学家合作关系进行时了这项数据分析。为了训练这一基本概念，数据分析其他部门适用167个图象集，野外于斯坦福国立大学的1.5Tesla和3.0Tesla斯柯达（Siemens）MRI 系统，受测者为137例缺血型病卒中会病者。经过训练的基本概念在12个图象集上进行时了独立验证，该图象集野外于斯坦福国立大学的1.5Tesla和3.0Tesla美国航空（GE） MRI系统。据洞察，这项数据分析的一个显着亮点是，其基本概念被证明是在有所不同打印平台、有所不同医院、有所不同病者群体的情况下直到现在是有效率的。最后，中会山王炯炯客座教授团队计划进行时一项格外大规模的数据分析，以在格外多医疗管理机构中会分析报告该搜索算法，并将急性败血症病卒中会的放射治疗窗口推广到症状发烧后24小时以上。ROC 和 Precision-recall curve （PRC）显示深达深造（DL）比六种机器深造（ML）的方法有格外准确。