基于改进LeNet-5模型的WHO Ⅱ/Ⅲ级脑胶质瘤影像自动分级的临床研究

摘要：

目的 探讨基于改进LeNet-5模型的WHO 11/Ⅲ级脑胶质瘤影像自动分级的临床应用价值.方法 收集经手术病理证实的98例WHO Ⅱ级和Ⅲ级胶质瘤患者的MRI资料;按照就诊时间顺序将前67例患者作为训练集,后31例患者作为测试集.首先,用深度学习技术及训练集的760张MRI T2WI图像,在卷积神经网络下(LeNet-5模型下)进行训练,模拟影像科医师的判断过程,从而建立了WHO Ⅱ/Ⅲ级脑胶质瘤影像自动分级系统.然后,对测试集的68张MRI T2WI图像进行临床验证.结果 相较于原始LeNet-5模型,改进后的模型对WHO Ⅱ/Ⅲ级脑胶质瘤的测试准确率明显提高;当epoch =45时,正确率达到最高,epoch大于45时,趋于不变.同时改进后模型的测试错误个数均减少,总体错误率降低;表明改进后的模型对胶质瘤分级的准确率较改进前有提高.结论 改进的LeNet-5网络模型能够较好地识别胶质瘤影像表现的深层特征,提高了胶质瘤影像分级的准确率,为临床诊断提供了帮助.

关键词：卷积神经网络、磁共振图像、脑胶质瘤、影像自动分级、LeNet-5、影像组学、人工智能

所属期刊栏目：18

分类号：R739.41(肿瘤学)

资助基金：江苏省普通高校研究生科研、实践创新计划项目SJCX19_0939

在线出版日期：2021-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：21-24,30