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

亦同，美国旧金山湾区大学（USC）Mark and Mary Stevens 骨骼肌扫描与生物科学数据分析所（INI）的数据分析人员悄悄数据分析一种替代工具，该工具使外科医生无需向病征注射游离即可审核脑卒里面侵害。该制作团队于2019年12翌年在《Stroke》周报上的登载了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这前言的通讯管理系统创作者是INI骨骼肌学家教授王之炯炯（Danny JJ Wang）；第一创作者是旧金山湾区大学生物医学机械工程在读高级工程师王之凯。据了解到，急性坏死性脑卒里面 (acute ischemic stroke) 是脑卒里面的最常见的类DF。当病征发病时，血凝块阻碍了神经里面的动脉血流过，外科医师并不需要很快采取行动，给予必需的治疗。不一定，医生并不需要同步进行脑部扫描以确认由卒里面引发的神经损伤区域，工具是可用表征显像（MRI）或计算机断层扫描（CT）。但是这些扫描工具并不需要可用化学游离，有些还包含高低剂量的X-X伽马X，而另一些则不太可能对有心脏或腹腔疾病的病征造成危害。在这项数据分析里面，王之炯炯教授制作团队构筑并测试者了一种人工智能（AI）算法，该算法可以从一种更是安全的神经扫描类DF（伪连续动脉自旋标示出表征显像，pCASL MRI）里面自动所含有关卒里面侵害的数据。据了解到，这是首次运用厚度修习算法和无游离转化成MRI来识别系统因卒里面而损伤的脑组织的跨平台、跨机构的管理系统性数据分析。该建模是一种很有前景的工具，可以帮助医生制定卒里面的外科治疗建议书，并且是无论如何无创的。在审核卒里面病征损伤脑组织的测试者里面，该pCASL 厚度修习建模在两个独立国家的数据集上大多借助于了92％的精确度。王之炯炯教授制作团队，包括在读博士数据分析生王之凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州大学洛杉矶分校（UCLA） 和哈佛大学（Stanford）的科学研究合作同步进行了这项数据分析。为了训练这一建模，数据分析人员可用167个图像集，采集于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 管理系统，受试者为137由此可知坏死DF卒里面病患者。经过训练的建模在12个图像集上同步进行了独立国家验证，该图像集采集于哈佛大学的1.5Tesla和3.0Tesla通用电气（GE） MRI管理系统。据了解到，这项数据分析的一个显着亮点是，其建模被推论是在相异显像平台、相异医院、相异病患者群体的情况下依然是必需的。接下来，王之炯炯教授制作团队计划同步进行一项更是大规模的数据分析，以在更是多该医院里面审核该算法，并将急性坏死性卒里面的治疗终端扩展到副作用发作后24小时以上。ROC 和 Precision-recall curve （PRC）显示厚度修习（DL）比六种机器修习（ML）的工具更是精确。