ResNet-152在脑胶质瘤MRI诊断中的应用研究

摘要

目的：本研究采用人工神经网络对胶质瘤患者的脑部MRI图像进行学习，旨在建立胶质瘤的辅助诊断模型。方法：本研究纳入我院241例胶质瘤患者，共获得4 456张T₁WI图像和4 451张T₂WI图像。对于T₁WI和T₂WI图像，我们分别按照7∶3的比例将图像数据分为训练集和测试集。使用ResNet-152建立分类模型。使用准确率、阳性预测值（PPV）、灵敏度、特异度、阴性预测值（NPV）、ROC曲线下的面积（AUC）和F1值来评估ResNet-152模型的分类效果。结果：T₁WI模型的准确率为88.40%,PPV为89.71%，敏感性为82.34%，特异性为92.93%,NPV为87.55%,F1值为91.29%。ROC曲线的AUC为0.886。T₂WI模型的准确率为93.55%, PPV为95.27%，敏感性为89.42%，特异性为96.52%,NPV为92.09%,F1值为92.25%。ROC曲线的AUC为0.930。结论：ResNet-152网络在将MRI图像分类为胶质瘤MRI和正常MRI方面表现良好。ResNet-152模型在T₂WI序列上的综合分类效率高于T₁WI。

关键词

神经胶质瘤 / 磁共振成像