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

已对，美国北卡罗来纳州的大学（USC）Mark and Mary Stevens 中枢神经系统影像与信息学学术该中心（INI）的学术研究职员将要学术研究一种替代方法有，该方法有使诊断精神科无需向病患者施打游离即可风险评估脑病亡中的负面影响。该制作组于2019年12月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯所写是INI中枢神经系统学讲师称王炯炯（Danny JJ Wang）；第一所写是北卡罗来纳州的大学机械工程工程系在读博士生称王凯。据认识，急性缺血性脑病亡中的 (acute ischemic stroke) 是脑病亡中的的最常见的型式。当病患者发病时，血凝块不利于了大脑中的的动脉血流，诊断牙医需不断采取行动，给予有效率的治疗。通常，精神科需透过视网膜扫描以确认由病亡中的引起的大脑负面影响周边地区，方法有是用于磁共振激光（MRI）或计算机断层扫描（CT）。但是这些扫描方法有需用于化学游离，有些还含有很高剂量的X-辐射电磁辐射，而另一些则确实对有肾脏或肺部疟疾的病患者造成危害。在这项学术研究中的，称王炯炯讲师制作组构建并试验了一种人工智能（AI）解法，该解法可以从一种来得必需的大脑扫描型式（仅仅只是倒数动脉自旋标示磁共振激光，pCASL MRI）中的自动提取有关病亡中的负面影响的资料。据认识，这是首次广泛应用深度研修解法和无游离除去MRI来识别因病亡中的而受到破坏的视网膜的地区性广泛应用软件、地区性机构的子系统性学术研究。该仿真是一种很有前景的方法有，可以协助精神科制定病亡中的的诊断治疗方案，并且是完全无创的。在风险评估病亡中的病患者受到破坏视网膜的试验中的，该pCASL 深度研修仿真在两个独立的资料集上均做到了92％的精度。称王炯炯讲师制作组，之外在读博士学术研究生称王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州的大学洛杉矶分校（UCLA） 和斯坦福的大学（Stanford）的科学家合作透过了这项学术研究。为了受训这一仿真，学术研究职员用于167个投影集，搜集于加州的大学洛杉矶分校的1.5Tesla和3.0Tesla通用电气（Siemens）MRI 子系统，成年人为137可有缺血型病亡中的产妇。经过受训的仿真在12个投影集上透过了独立验证，该投影集搜集于斯坦福的大学的1.5Tesla和3.0Tesla通用汽车（GE） MRI子系统。据认识，这项学术研究的一个祚着亮点是，其仿真被验证是在相同激光广泛应用软件、相同养老院、相同产妇社会阶层的情况下一直是有效率的。紧接著，称王炯炯讲师制作组原计划透过一项来得大规模的学术研究，以在来得多该医院中的风险评估该解法，并将急性缺血性病亡中的的治疗窗口推展到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）看出深度研修（DL）比六种机器研修（ML）的方法有来得恰当。