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

全因，美国南加州该大学（USC）Mark and Mary Stevens 神经相片与信息学学术研究所（INI）的学术研究执法人员将要学术研究一种替代新方法，该新方法使临床眼科医生无需向患者注射人体内即可指标脑卒当中破坏。该工作团队于2019年12月在《Stroke》杂志上的发表了篇名《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的电信译者是INI神经学研究员中山王炯炯（Danny JJ Wang）；第一译者是南加州该大学生物医学工程系在读Clark生中山王俊。据明了，急性缺血性脑卒当中 (acute ischemic stroke) 是脑卒当中的最常用的类型。当患者发病时，血凝块以致于了小脑当中的动脉血流，临床医师需要短时间内采取行动，给予有效的用药。不一定，眼科医生需要进行脑部显像以确认由卒当中引起的小脑损伤区域，新方法是用于磁共振核磁共振（MRI）或计算机断层显像（CT）。但是这些显像新方法需要用于化学人体内，有些还含有高浓度的X-射线辐射，而另一些则可能对有肾脏或微血管疾病的患者造成危害。在这项学术研究当中，中山王炯炯研究员工作团队构建并测试者了一种计算机（AI）线性，该线性可以从一种更是安全的小脑显像类型（伪连续动脉自旋标示出磁共振核磁共振，pCASL MRI）当中定时提取有关卒当中破坏的数据集。据明了，这是首次应用领域深达学习线性和无人体内灌注MRI来识别因卒当中而损害的脑组织的跨图形界面、跨政府机构的的系统性学术研究。该数学方法是一种很有充满信心的新方法，可以帮助眼科医生制定卒当中的临床用药计划，并且是完全无创的。在指标卒当中患者损害脑组织的测试者当中，该pCASL 深达学习数学方法在两个独立的数据集集上之外构建了92％的准确度。中山王炯炯研究员工作团队，包括在读Clark学术研究生中山王俊、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimClark，与加州该大学洛杉矶分校（UCLA） 和斯坦福该大学（Stanford）的科学家合作进行了这项学术研究。为了体能训练这一数学方法，学术研究执法人员用于167个三维集，野外于加州该大学洛杉矶分校的1.5Tesla和3.0Tesla摩托罗拉（Siemens）MRI 的系统，人脑为137例缺血型卒当中病患。经过体能训练的数学方法在12个三维集上进行了独立验证，该三维集野外于斯坦福该大学的1.5Tesla和3.0Tesla通用电气（GE） MRI的系统。据明了，这项学术研究的一个显着令人难忘是，其数学方法被证明是在不同核磁共振图形界面、不同医院、不同病患社会性的情况下仍然是有效的。再一，中山王炯炯研究员工作团队计划进行一项更是大规模的学术研究，以在更是多医疗政府机构当中指标该线性，并将急性缺血性卒当中的用药窗口拓展到症状发作后24同一时间以上。ROC 和 Precision-recall curve （PRC）显示深达学习（DL）比六种机器学习（ML）的新方法更是准确。