无创评估脑卒中妨碍的AI技术准确率达到92% 美国USC王炯炯团队在Stroke发表文章

亦同，American圣荷西该大学（USC）Mark and Mary Stevens 神经影像与信息学分析所（INI）的分析人员正在分析一种替代新方法，该新方法使病理精神科无需向病变切除造影剂方能审核脑薨中所侵害。该工作团队于2019年12月在《Stroke》新闻周刊上的登载了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯著者是INI神经学教授王为炯炯（Danny JJ Wang）；第一著者是圣荷西该大学生物技术工程系在读副教授王为凯。据认识到，急性缺血性脑薨中所 (acute ischemic stroke) 是脑薨中所的最类似的类标准型。当病变发病时，血凝块阻碍了人脑中所的动脉血流，病理护士须要短时间内采取行动，予以有效的放射治疗。通常，精神科须要来进行神经扫描以确认由薨中所引起的人脑损伤区域，新方法是用到磁共振核磁共振（MRI）或计算机断层扫描（CT）。但是这些扫描新方法须要用到化学造影剂，有些还含有高血糖的X-射线伽马射线，而另一些则可能对有肾脏或血管性疾病的病变造成危害。在这项分析中所，王为炯炯教授工作团队协作并验证了一种人工智能（AI）正则表达式，该正则表达式可以从一种不够安全的人脑扫描类标准型（伪倒数动脉自旋标记磁共振核磁共振，pCASL MRI）中所自动分离出来有关薨中所侵害的数据。据认识到，这是首次应用深度研读正则表达式和无造影剂灌注MRI来识别因薨中所而破损的骨骼肌的跨网络服务、跨机构的不够进一步分析。该数学模标准型是一种很有前景的新方法，可以帮助精神科制定薨中所的病理放射治疗设计方案，并且是实质上无创的。在审核薨中所病变破损骨骼肌的验证中所，该pCASL 深度研读数学模标准型在两个统一的数据集上均实现了92％的准确度。王为炯炯教授工作团队，包括在读芝加哥大学分析生王为凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim芝加哥大学，与柏克莱加州该大学（UCLA） 和斯坦福该大学（Stanford）的科学家合作来进行了这项分析。为了训练这一数学模标准型，分析人员用到167个图像集，采集于柏克莱加州该大学的1.5Tesla和3.0Tesla摩托罗拉（Siemens）MRI 系统，受试者为137例缺血标准型薨中所病人。经过训练的数学模标准型在12个图像集上来进行了统一验证，该图像集采集于斯坦福该大学的1.5Tesla和3.0TeslaGE（GE） MRI系统。据认识到，这项分析的一个祚着令人惊叹是，其数学模标准型被证明是在各有不同核磁共振网络服务、各有不同医院、各有不同病人族裔的情况下依然是有效的。在此之后，王为炯炯教授工作团队计划书来进行一项不够大规模的分析，以在不够多医疗机构中所审核该正则表达式，并将急性缺血性薨中所的放射治疗窗口持续发展到症状头痛后24小时以上。ROC 和 Precision-recall curve （PRC）祚示深度研读（DL）比六种机器研读（ML）的新方法不够准确。