无创评估脑卒中损害的AI技术抽样达到92% 美国USC王炯炯团队在Stroke发表文章

亦同，American橙县国立大学（USC）Mark and Mary Stevens 神经影像与信息学分析所（INI）的分析职员正在分析一种替代工具，该工具使外科眼科医生无需向病症注射造影剂即可分析脑病亡之前损害。该小组于2019年12月在《Stroke》杂志上的撰写了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一段话的通讯作者是INI病理学讲师三王炯炯（Danny JJ Wang）；第一作者是橙县国立大学生物医学工程系在读助手生三王凯。据探究，急性缺血性脑病亡之前 (acute ischemic stroke) 是脑病亡之前的最常见的各种类改进型。当病症发作时，血凝块妨碍了神经系统会之前的动脉血流，外科主治医师只能迅速采取行动，予以有效率的病人。通常，眼科医生只能完成脑干实像以验证由病亡之前引起的神经系统会损伤区域，工具是使用核磁共振激光（MRI）或计算机断层实像（CT）。但是这些实像工具只能使用化学造影剂，有些还带有高施打的X-放射辐射，而另一些则可能对有肾脏或血管疾病的病症造成危害。在这项分析之前，三王炯炯讲师小组框架并次测试了一种计算机科学（AI）算法，该算法可以从一种不够安全的神经系统会实像各种类改进型（伪倒数动脉自旋标记核磁共振激光，pCASL MRI）之前自动提取有关病亡之前损害的数据集。据探究，这是首次应用尺度学习算法和无造影剂灌入MRI来识别因病亡之前而损害的骨骼肌的包涵平台、包涵机构的系统会性分析。该假设是一种很有期望的工具，可以帮助眼科医生制定病亡之前的外科病人拟议，并且是实际上无创的。在分析病亡之前病症损害骨骼肌的次测试之前，该pCASL 尺度学习假设在两个统一的数据集集上均付诸了92％的准确度。三王炯炯讲师小组，包括在读助手分析生三王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim助手，与斯坦福国立大学（UCLA） 和斯坦福国立大学（Stanford）的分析团队合作完成了这项分析。为了基础训练这一假设，分析职员使用167个位图集，采自于斯坦福国立大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统会，受试者为137唯缺血改进型病亡之前病人。经过基础训练的假设在12个位图集上完成了统一验证，该位图集采自于斯坦福国立大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统会。据探究，这项分析的一个实着亮点是，其假设被证明是在实际上相同激光平台、实际上相同医院、实际上相同病人群体的情况下几乎是有效率的。年中，三王炯炯讲师小组计划完成一项不够大规模的分析，以在不够多教育机构之前分析该算法，并将急性缺血性病亡之前的病人窗口拓展到病症发作后24同一时间以上。ROC 和 Precision-recall curve （PRC）实示尺度学习（DL）比六种数据集挖掘（ML）的工具不够准确。