便携式射频脑扫描仪可通过深度学习实现中风类型检测

《npj Digital Medicine》：Portable RF brain scanner enables stroke type detection using deep learning

　　

摘要

中风仍然是全球范围内导致死亡的主要原因之一，因此需要快速、准确的诊断；区分中风的类型非常重要，因为不同类型的中风治疗方法差异很大。我们利用一种新开发的非侵入式脑部扫描仪——该扫描仪配备了16天线射频阵列——并结合深度学习模型，能够区分两种主要类型的中风。通过采用基于掩码自编码器的自我监督学习以及有监督对比策略，我们在标注数据有限的情况下提升了数据的有效性和模型的稳定性。在当前测试组中，该系统对出血性中风与非出血性中风的识别灵敏度分别为92%和85%，特异性分别为95%和80%；对于缺血性中风与非缺血性中风，其灵敏度为95%，特异性为80%。除了分类功能外，该模型还显示出不同类型中风（出血性、缺血性、模拟病例以及健康状态）之间相对介电常数的变化规律。虽然这些结果并非直接测量组织的介电特性，但它们有助于了解射频测量所捕捉到的相对介电差异。这些发现表明，基于射频的测量分析方法有望更可靠地区分不同类型的中风。