基于MRI和深度学习的桥小脑角区脑膜瘤与听神经瘤分类算法研究

桥小脑角区脑膜瘤与听神经瘤是两种常见的脑部肿瘤,它们的临床表现和影像学表现极为相似,在临床诊断时极易发生误诊．将影像数据与深度学习方法相结合,建立脑膜瘤与听神经瘤的判别模型,可以为两种脑肿瘤的及时准确诊断提供重要手段．本文采集了307名脑肿瘤患者的T₁W-SE序列图像,通过对原始图像进行限制对比度自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization,CLAHE）等预处理,提升数据集图像质量,再经过建立的三维卷积神经网络（3-Dimensional Convolutional Neural Network,3D CNN）深度学习框架中图像特征的学习,实现对脑膜瘤与听神经瘤的分类．图像增强参数与网络结构参数经过优化后,对脑膜瘤与听神经瘤分类的准确率达到0.918 0,曲线下面积（Area Under Curve,AUC）为0.913 4,实现了对桥小脑角区脑膜瘤与听神经瘤的有效判别．