加载中........
×

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

2020-1-16 作者:不详   来源:网络 我要评论0
Tags:

近日,美国南加州大学(USC)Mark and Mary Stevens 神经影像与信息学研究所(INI)的研究人员正在研究一种替代方法,该方法使临床医生无需向患者注射造影剂即可评估脑卒中损害。

该团队于2019年12月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial  Spin Labeling in Stroke》的文章。这篇文章的通讯作者是INI神经学教授王炯炯(Danny JJ Wang);第一作者是南加州大学生物医学工程系在读博士生王凯。

据了解,急性缺血性脑卒中 (acute ischemic stroke) 是脑卒中的最常见的类型。当患者发病时,血凝块阻碍了大脑中的动脉血流,临床医师需要迅速采取行动,给予有效的治疗。

通常,医生需要进行脑部扫描以确认由卒中引起的大脑损伤区域,方法是使用磁共振成像(MRI)或计算机断层扫描(CT)。但是这些扫描方法需要使用化学造影剂,有些还含有高剂量的X-射线辐射,而另一些则可能对有肾脏或血管疾病的患者造成危害。

在这项研究中,王炯炯教授团队构建并测试了一种人工智能(AI)算法,该算法可以从一种更安全的大脑扫描类型(伪连续动脉自旋标记磁共振成像,pCASL MRI)中自动提取有关卒中损害的数据。

据了解,这是首次应用深度学习算法和无造影剂灌注MRI来识别因卒中而受损的脑组织的跨平台、跨机构的系统性研究。该模型是一种很有前景的方法,可以帮助医生制定卒中的临床治疗方案,并且是完全无创的。

在评估卒中患者受损脑组织的测试中,该pCASL 深度学习模型在两个独立的数据集上均实现了92%的准确度。

王炯炯教授团队,包括在读博士研究生王凯、寿钦洋、马硕蔓(Samantha Ma)和 Hosung Kim博士,与加州大学洛杉矶分校(UCLA) 和斯坦福大学(Stanford)的科学家合作进行了这项研究。

为了训练这一模型,研究人员使用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 系统,受试者为137例缺血型卒中病人。经过训练的模型在12个图像集上进行了独立验证,该图像集采集于斯坦福大学的1.5Tesla和3.0Tesla通用电气(GE) MRI系统。

据了解,这项研究的一个显着亮点是,其模型被证明是在不同成像平台、不同医院、不同病人群体的情况下依然是有效的。

接下来,王炯炯教授团队计划进行一项更大规模的研究,以在更多医疗机构中评估该算法,并将急性缺血性卒中的治疗窗口拓展到症状发作后24小时以上。

ROC 和 Precision-recall curve (PRC)显示深度学习(DL)比六种机器学习(ML)的方法更准确。



小提示:78%用户已下载梅斯医学APP,更方便阅读和交流,请扫描二维码直接下载APP

只有APP中用户,且经认证才能发表评论!马上下载

web对话