基于3D深度残差网络和多模态MRI的脑胶质瘤自动分级

作者：王瑞; 刘志强^*; 齐崇; 孟蓝熙; 李少武^*

来源：中国医学物理学杂志, 2022, 39(10): 1236-1243.

• 脑胶质瘤
• 自动分级
• 3D深度残差网络
• 多模态MRI

目的：利用3D深度残差网络和多模态MRI实现对脑胶质瘤的自动分级。方法：利用BraTS2020公共数据集的293例高级别胶质瘤（HGG）和76例低级别胶质瘤（LGG）的多模态MRI数据训练和测试3D深度残差卷积网络模型。多模态MRI图像经过3D剪裁、重采样和归一化的预处理，随机分组为训练（64%）、验证（16%）和测试（20%）样本，将预处理后的多模态MRI图像和分级标注输入到网络模型进行训练、验证和测试。利用准确率（ACC）和受试者工作特征（ROC）曲线下面积（AUC）评价分级结果。结果：在59例（48例HGG和11例LGG）验证数据集上，ACC和AUC分别为0.93和0.97，在75例（62例HGG和13例LGG）测试数据集上，ACC和AUC分别为0.89和0.93。结论：3D深度残差网络在多模态MRI数据集上获得了较好的脑胶质瘤自动分级结果，可以为确定治疗方案和预测预后方面提供重要参考。

• 单位
  首都医科大学附属北京天坛医院; 中国医学科学院北京协和医学院; 北京市神经外科研究所