无创评估脑卒中损害的AI技术准确率达到92% 新泽西州USC王炯炯团队在Stroke发表文章

全因，美国北卡罗来纳州所学校（USC）Mark and Mary Stevens 神经影像与各个领域分析所（INI）的分析执法人员正在分析一种替代作法，该作法使诊断精神科不须向病患注射静脉即可检验脑亡中所损害。该团队于2019年12月在《Stroke》新闻周刊上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的篇文章。这篇名的通讯作者是INI精神分析客座教授王以炯炯（Danny JJ Wang）；第一作者是北卡罗来纳州所学校生物医学工程系在读硕士生王以凯。据探究，急性败血症脑亡中所 (acute ischemic stroke) 是脑亡中所的最常见的类型。当病患发病时，血凝块不利于了脑中所的动脉血流，诊断护士需要迅速采取行动，予以合理的疗程。通常，精神科需要进行时心脏读取以证实由亡中所引起的脑损坏区域，作法是应用于磁共振超声（MRI）或计算机断层读取（CT）。但是这些读取作法需要应用于生物化学静脉，有些还包含更为高静脉注射的X-伽玛辐射，而另一些则可能对有肾脏或血管疾病的病患造成危害。在这项分析中所，王以炯炯客座教授团队构建并次测试了一种人工智能（AI）正则表达式，该正则表达式可以从一种更为安全的脑读取类型（实为整年动脉角动量标有磁共振超声，pCASL MRI）中所基本功能所含有关亡中所损害的资料。据探究，这是首次应用深度进修正则表达式和无静脉灌注MRI来识别因亡中所而受损的神经组织的JavaScript、跨管理机构的控制系统性分析。该静态是一种很有前景的作法，可以帮助精神科制定亡中所的诊断疗程提案，并且是显然无创的。在检验亡中所病患受损神经组织的次测试中所，该pCASL 深度进修静态在两个独立的资料集上皆发挥作用了92％的直观度。王以炯炯客座教授团队，以外在读博士分析生王以凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州所学校洛杉矶分校（UCLA） 和斯坦福所学校（Stanford）的生物学家合作进行时了这项分析。为了特训这一静态，分析执法人员应用于167个图片集，采集于加州所学校洛杉矶分校的1.5Tesla和3.0TeslaAEG（Siemens）MRI 控制系统，受试者为137例缺血型亡中所病人。经过特训的静态在12个图片集上进行时了独立有效性，该图片集采集于斯坦福所学校的1.5Tesla和3.0Tesla美国航空（GE） MRI控制系统。据探究，这项分析的一个显着引人注目是，其静态被证明是在不同超声应用软件、不同疗养院、不同病人群体的情形一直是合理的。接下来，王以炯炯客座教授团队计划进行时一项更为大规模的分析，以在更为多医疗系统中所检验该正则表达式，并将急性败血症亡中所的疗程窗口拓展到副作用发作后24小时以上。ROC 和 Precision-recall curve （PRC）显示深度进修（DL）比六种机器进修（ML）的作法更为直观。