基于AlexNet的桥小脑角脑膜瘤和听神经瘤MRI图像的识别研究

摘要：

目的:使用卷积神经网络及磁共振图像鉴别脑膜瘤与听神经瘤,研究影响识别的原因并提升准确率.方法:采集388位患者的增强后T1WI影像,将其进行筛选和扩充,分别将原始数据集与扩充后数据集对卷积神经网络AlexNet进行训练并输出预测结果,对预测结果进行分析.结果:扩充数据集模型的训练准确率为0.8026,明显高于原数据集模型的训练准确率的0.7526.结论:数据集越大对识别的准确率有显著的提高,使用磁共振图像训练的卷积神经网络用于肿瘤识别具有实际的临床意义.

关键词：桥小脑角脑膜瘤;听神经瘤;深度学习;卷积神经网络

所属期刊栏目：28

分类号：R445.2(诊断学)

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：44-47