9、深度学习在脑肿瘤诊断与分类中的应用

深度学习在脑肿瘤诊断与分类中的应用

1. 脑肿瘤诊断与分类的重要性与背景

脑肿瘤是由于细胞不规则生长在大脑中形成的异常肿块或肿物。近年来，全球每年约有30万人被诊断出患有原发性脑肿瘤，这使得脑肿瘤成为一个备受关注的严重问题。除了基于患者症状的病史和临床检查外，脑部成像，如磁共振成像（MRI）和计算机断层扫描（CT），是检测脑肿瘤最可靠的方式。

CT扫描使用有潜在危害的X射线，而MRI基于磁场，虽然CT成本较低，但MRI能生成更详细的脑部图像。临床专家需对MRI进行详细分析以揭示脑部状况，但这需要高度的专业技能和大量时间，因此对脑MRI进行自动化分析和脑肿瘤诊断迫在眉睫。

2. 相关研究进展

2.1 传统计算机辅助分析方法

在深度学习出现之前，人们就尝试使用传统图像处理技术进行脑肿瘤检测和分割。近年来，研究人员提出了各种基于CNN的架构用于脑肿瘤分类，如3D CNN模型、VGG19、深度LSTM模型、五层CNN、U Net等。然而，大多数这些模型具有密集的卷积层和大量参数，增加了计算速度的需求和系统成本。

2.2 近期深度学习研究总结

<

作者	方法
Toğaçar等	包含注意力、超列和残差块的新型深度学习模型
Rehman等	使用3D - CNN提取脑肿瘤并利用预训练CNN进行特征提取