中風后的最初幾個小時至關重要。為了能夠有效地治療患者，醫(yī)生必須快速定位受損血管并確定發(fā)生了哪種中風。在大多數(shù)情況下，要么破裂的血管將血液釋放到大腦中，要么血栓阻塞了大腦中的血管。經(jīng)歷第二種中風的患者被處方藥物溶解血凝塊。然而，如果將這種藥物用于第一種類型的患者，它會使血液流動，只會使出血惡化。
然而，醫(yī)生必須迅速采取行動，因為中風治療得越快，出現(xiàn)嚴重后果的可能性就越低。“中風患者在到達醫(yī)院后立即接受 MRI [磁共振成像] 掃描，”正在完成生命科學碩士學位的 Antoine Madrona 說。“掃描用于確認它確實是中風并確定是什么類型，以便開出正確的治療方法。”
將人工智能應用于醫(yī)學成像
對大量數(shù)據(jù)集進行分類以生成預測的深度學習算法可以幫助醫(yī)生做出正確的診斷。他們可以向放射科醫(yī)生展示他們應該將注意力集中在哪里，提供有關血管損傷位置、大小和數(shù)量的定量信息，并加快選擇治療的過程。作為碩士項目的一部分，Madrona 幫助開發(fā)了一種基于擴散加權磁共振成像 (DW-MRI) 數(shù)據(jù)的算法——一種利用水分子擴散來產(chǎn)生圖像對比度的 MRI 形式。
Madrona 從瑞士多家醫(yī)院獲得的 DW-MRI 數(shù)據(jù)集極其異構。“我很驚訝地看到來自不同醫(yī)院的圖像差異如此之大，”他說。“我沒想到會看到這么少的標準化。”
換句話說，同一位患者在兩家不同的醫(yī)院接受核磁共振檢查，最終會得到兩張截然不同的圖像。這是由于機器型號和圖像采集協(xié)議的變化。“沒有國家甚至國際標準，”Madrona 說。“每家醫(yī)院都使用自己的磁脈沖序列，并設置自己的脈沖方向和強度。所有這些都會影響圖像對比度和整體外觀。”
數(shù)據(jù)安全
為了確?；颊叩臄?shù)據(jù)保密，Madrona 在他的算法中使用了聯(lián)合學習方法。這種方法需要跨多個數(shù)據(jù)集訓練算法，但它們之間不交換任何數(shù)據(jù)。目前市場上的醫(yī)學成像系統(tǒng)都沒有采用聯(lián)合方法。“我對如何使用去中心化算法來保護患者數(shù)據(jù)特別感興趣，”他說。“這涉及到一個重要的倫理問題，我認為需要在醫(yī)療保健行業(yè)更廣泛地解決這個問題?；颊弑Ｃ懿粦撌菫楦行У脑\斷付出的代價。”現(xiàn)年 25 歲的 Madrona 打算朝這個方向發(fā)展。
他的碩士項目還沒有完全結束，但 Madrona 已經(jīng)將其視為一次積極的經(jīng)歷。該算法最終可以幫助放射科醫(yī)生分析中風，無論醫(yī)院、MRI 機器或使用的圖像采集協(xié)議如何。“我的項目真正激勵我的是它可以直接為臨床應用帶來的具體好處，”他說。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！