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

• 作者: 刘颖 娄云重 江华 章浩伟
• 来源期刊: 波谱学杂志
• 学科: 工学
• 关键词: 脑膜瘤 听神经瘤 三维卷积神经网络(3DCNN) 磁共振成像(MRI)
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 300-310
• 页数: 11页
• 分类号: TP391|O482.53
• 字数: 5931字
• 语种: 中文
• DOI: 10.11938/cjmr20192753

摘要

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0.9180,曲线下面积(Area Under Curve,AUC)为0.9134,实现了对桥小脑角区脑膜瘤与听神经瘤的有效判别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘颖	上海理工大学医疗器械与食品学院医学影像工程研究所	75	420	10.0	17.0
2	章浩伟	上海理工大学医疗器械与食品学院医学影像工程研究所	41	242	8.0	15.0
3	江华	上海理工大学医疗器械与食品学院医学影像工程研究所	3	4	1.0	2.0
4	娄云重	上海理工大学医疗器械与食品学院医学影像工程研究所	2	1	1.0	1.0