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

近日，美国橙县该大学（USC）Mark and Mary Stevens 神经影像与信息系统研究成果所（INI）的研究成果人员正在研究成果一种替代工具，该工具使临床医生无需向病症注射人体内即可风险评估脑病亡中的妨碍。该制作团队于2019年12月在《Stroke》周刊上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的发表文章。这篇发表文章的通讯著者是INI神经学名誉教授王时炯炯（Danny JJ Wang）；第一著者是橙县该大学生物医学技术学院在读博士生王时凯。据了解，急性血栓脑病亡中的 (acute ischemic stroke) 是脑病亡中的的最常见的类别。当病症发病时，血凝块阻碍了神经中的的横膈膜血流，临床医师须要很快敦促，拒绝接受有效率的治疗。举例来说，医生须要进行脑部扫描以核实由病亡中的引起的神经细菌感染区域，工具是使用超声成像（MRI）或计算机断层扫描（CT）。但是这些扫描工具须要使用物理人体内，有些还含有高剂量的X-射线辐射，而另一些则可能对有肿瘤或血管疾病的病症造成危害。在这项研究成果中的，王时炯炯名誉教授制作团队构建并次测试了一种计算机系统（AI）方法，该方法可以从一种格外安全的神经扫描类别（伪连续横膈膜原子标有超声成像，pCASL MRI）中的自动提取有关病亡中的妨碍的数据。据了解，这是首次应用深度努力学习方法和无人体内灌注MRI来识别因病亡中的而受损的神经组织的图形化、衔接机构的系统性研究成果。该静态是一种很有前景的工具，可以帮助医生规章病亡中的的临床治疗建议书，并且是完全无创的。在风险评估病亡中的病症受损神经组织的次测试中的，该pCASL 深度努力学习静态在两个独立自主的数据集上除此以外实现了92％的稳定性。王时炯炯名誉教授制作团队，包括在读博士毕业生王时凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州该大学洛杉矶分校（UCLA） 和斯坦福该大学（Stanford）的物理家合作进行了这项研究成果。为了训练这一静态，研究成果人员使用167个图像集，采集于加州该大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137例缺血型病亡中的治疗。经验丰富的静态在12个图像集上进行了独立自主验证，该图像集采集于斯坦福该大学的1.5Tesla和3.0Tesla惠普（GE） MRI系统。据了解，这项研究成果的一个实着举世闻名是，其静态被证明了是在相同成像平台、相同医院、相同治疗群体的情况下依然是有效率的。接下来，王时炯炯名誉教授制作团队原先进行一项格外大规模的研究成果，以在格外多医疗机构中的风险评估该方法，并将急性血栓病亡中的的治疗终端拓展到症状头痛后24时长以上。ROC 和 Precision-recall curve （PRC）实示深度努力学习（DL）比六种方法学（ML）的工具格外准确。