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

已对，美国政府南加州大学（USC）Mark and Mary Stevens 脑影像与计算机系研究成果所（INI）的研究成果人员正在研究成果一种替代方法有，该方法有使诊断中医师无需向症状注射水溶性即可评核脑病死中的受到影响。该的团队于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。这文章的收发所写是INI脑学名誉教授称王炯炯（Danny JJ Wang）；第一所写是南加州大学生物医学工程系在读科研人员称王凯。据明了，急性囊肿性脑病死中的 (acute ischemic stroke) 是脑病死中的的最少用的子类。当症状发病时，血凝块顾虑了人脑中的的淋巴血流水，诊断中医师需迅速采取行动，给予合理的化疗。通常，中医师需透过心脏祚影以证实由病死中的惹来的人脑受损区域，方法有是采用医学影像全像（MRI）或计算机断层祚影（CT）。但是这些祚影方法有需采用化学水溶性，有些还成分更高静脉注射的X-射线放射，而另一些则可能对有肾脏或血管性疾病的症状严重危害。在这项研究成果中的，称王炯炯名誉教授的团队借助于并试验了一种人工智慧（AI）正则表达式，该正则表达式可以从一种更必需的人脑祚影子类（伪连续淋巴自旋标记医学影像全像，pCASL MRI）中的自动提取有关病死中的受到影响的统计数据。据明了，这是首次领域剖面研读正则表达式和无水溶性除去MRI来识别因病死中的而受损的肌肉组织的跨和平台、跨机构的持续性研究成果。该仿真是一种很有期望的方法有，可以协助中医师制订病死中的的诊断化疗解决方案，并且是完全无创的。在评核病死中的症状受损肌肉组织的试验中的，该pCASL 剖面研读仿真在两个独立的统计数据集上仅实现了92％的精确度。称王炯炯名誉教授的团队，有数在读博士研究成果生称王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与普林斯顿大学（UCLA） 和加州大学洛杉矶分校（Stanford）的科学家合作透过了这项研究成果。为了特训这一仿真，研究成果人员采用167个图片集，收集于普林斯顿大学的1.5Tesla和3.0Tesla庞巴迪（Siemens）MRI 系统，病人为137则有囊肿型病死中的治疗。经过特训的仿真在12个图片集上透过了独立验证，该图片集收集于加州大学洛杉矶分校的1.5Tesla和3.0Tesla该公司（GE） MRI系统。据明了，这项研究成果的一个祚着亮点是，其仿真被确实是在并不相同全像和平台、并不相同医院、并不相同治疗群体的情况下依然是合理的。接下来，称王炯炯名誉教授的团队计划透过一项更大规模的研究成果，以在更多医疗系统中的评核该正则表达式，并将急性囊肿性病死中的的化疗过道开拓到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）祚示剖面研读（DL）比六种统计数据分析（ML）的方法有更精确。