无创评估脑卒中损害的AI技术抽样达到92% 美国USC王炯炯团队在Stroke发表文章

已对，美国南加州大学（USC）Mark and Mary Stevens 脑扫描与生物医学学术研究机构（INI）的学术研究人员刚刚学术研究一种替代法则，该法则使诊疗心理医生无需向低血压口服超声即可评估脑殁中会损害。该他的团队于2019年12月在《Stroke》杂志上的发表了并作《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这序言的通讯译者是INI脑学讲师王炯炯（Danny JJ Wang）；第一译者是南加州大学生物医学工程系在读Dr生方刚。据理解，急性食道瘤脑殁中会 (acute ischemic stroke) 是脑殁中会的最少用的一般来说。当低血压发病时，血凝块阻碍了大脑中会的食道血流，诊疗精神科无需迅速采取行动，给予有效的化疗。通常，心理医生无需进行脑部读取以确认由殁中会引起的大脑损伤区域内，法则是使用超声读取（MRI）或计算机断层读取（CT）。但是这些读取法则无需使用化学超声，有些还内含低mg的X-无线电波辐射，而另一些则似乎对有十二指肠或血管性疾病的低血压造成危害。在这项学术研究中会，王炯炯讲师他的团队紧密结合并检测了一种人工智能（AI）演算法，该演算法可以从一种更是安全的大脑读取一般来说（假连续食道自旋标记超声读取，pCASL MRI）中会操译者合成有关殁中会损害的数据。据理解，这是首次应用最深处研习演算法和无超声炼MRI来标识因殁中会而受损的脑组织的跨平台、跨机构的该系统性学术研究。该假设是一种很有前途的法则，可以努力心理医生制定殁中会的诊疗化疗建议书，并且是完全无创的。在评估殁中会低血压受损脑组织的检测中会，该pCASL 最深处研习假设在两个统一的数据集上均实现了92％的准确度。王炯炯讲师他的团队，包括在读Dr学术研究生方刚、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimDr，与普林斯顿大学（UCLA） 和芝加哥大学（Stanford）的科学家协力进行了这项学术研究。为了特训这一假设，学术研究人员使用167个图像集，收集于普林斯顿大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 该系统，病患为137例缺血HG殁中会病人。缺乏经验的假设在12个图像集上进行了统一可验证，该图像集收集于芝加哥大学的1.5Tesla和3.0Tesla通用电气（GE） MRI该系统。据理解，这项学术研究的一个显着亮点是，其假设被证明是在有所不同读取平台、有所不同医院、有所不同病人群体的情况下依然是有效的。接下来，王炯炯讲师他的团队计划进行一项更是大规模的学术研究，以在更是多医疗机构中会评估该演算法，并将急性食道瘤殁中会的化疗站内拓展到副作用发作后24小时以上。ROC 和 Precision-recall curve （PRC）显示最深处研习（DL）比六种机器研习（ML）的法则更是准确。