中风后的最初几个小时至关重要。为了能够有效地治疗患者，医生必须快速定位受损血管并确定发生了哪种中风。在大多数情况下，要么破裂的血管将血液释放到大脑中，要么血栓阻塞了大脑中的血管。经历第二种中风的患者被处方药物溶解血凝块。然而，如果将这种药物用于第一种类型的患者，它会使血液流动，只会使出血恶化。
然而，医生必须迅速采取行动，因为中风治疗得越快，出现严重后果的可能性就越低。“中风患者在到达医院后立即接受 MRI [磁共振成像] 扫描，”正在完成生命科学硕士学位的 Antoine Madrona 说。“扫描用于确认它确实是中风并确定是什么类型，以便开出正确的治疗方法。”
将人工智能应用于医学成像
对大量数据集进行分类以生成预测的深度学习算法可以帮助医生做出正确的诊断。他们可以向放射科医生展示他们应该将注意力集中在哪里，提供有关血管损伤位置、大小和数量的定量信息，并加快选择治疗的过程。作为硕士项目的一部分，Madrona 帮助开发了一种基于扩散加权磁共振成像 (DW-MRI) 数据的算法——一种利用水分子扩散来产生图像对比度的 MRI 形式。
Madrona 从瑞士多家医院获得的 DW-MRI 数据集极其异构。“我很惊讶地看到来自不同医院的图像差异如此之大，”他说。“我没想到会看到这么少的标准化。”
换句话说，同一位患者在两家不同的医院接受核磁共振检查，最终会得到两张截然不同的图像。这是由于机器型号和图像采集协议的变化。“没有国家甚至国际标准，”Madrona 说。“每家医院都使用自己的磁脉冲序列，并设置自己的脉冲方向和强度。所有这些都会影响图像对比度和整体外观。”
数据安全
为了确保患者的数据保密，Madrona 在他的算法中使用了联合学习方法。这种方法需要跨多个数据集训练算法，但它们之间不交换任何数据。目前市场上的医学成像系统都没有采用联合方法。“我对如何使用去中心化算法来保护患者数据特别感兴趣，”他说。“这涉及到一个重要的伦理问题，我认为需要在医疗保健行业更广泛地解决这个问题。患者保密不应该是为更有效的诊断付出的代价。”现年 25 岁的 Madrona 打算朝这个方向发展。
他的硕士项目还没有完全结束，但 Madrona 已经将其视为一次积极的经历。该算法最终可以帮助放射科医生分析中风，无论医院、MRI 机器或使用的图像采集协议如何。“我的项目真正激励我的是它可以直接为临床应用带来的具体好处，”他说。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！