基于深度學習的腦腫瘤分級預測方法研究

聞 亮，于 躍，梁國標*，李貞妮

（1.北部戰區總醫院神經外科，沈陽 110016；2.中國醫科大學，沈陽 110122；3.東北大學信息科學與工程學院，沈陽 110819）

0 引言

大腦是人類身體中最重要的器官，而腦部腫瘤是在顱腔內生長的異常組織，又稱顱內腫瘤、腦癌。腦部腫瘤相比于其他器官的腫瘤來說小得多，其中膠質瘤占所有腦部腫瘤發病率的一半以上，死亡比例超過2.4%[1]。根據膠質瘤的性質，可以將其分為高級別膠質瘤（high-grade glioma，HGG）和低級別膠質瘤（low-grade glioma，LGG）。由于HGG 容易變異，常常會被稱為惡性腫瘤，其死亡率較高，患者痊愈后恢復效果也比較差。而LGG 則不一定為惡性腫瘤，但其在其他因素影響下即使治療后仍然可以演變為惡性腫瘤。因此，膠質瘤是腦部腫瘤治療領域的研究重點。在臨床中越早發現腦部腫瘤，患者就越有希望被成功治愈。Jiang 等[2]論述了世界衛生組織中樞神經系統（central nervous system，CNS）腫瘤分類標準對于臨床預后判斷的價值與優勢，這說明如果能夠更早發現患者的腦部腫瘤并對其級別進行預測，對患者的后續診療以及恢復有很大幫助。

目前確定腦膠質瘤的等級仍需要對患者腦部腫瘤區域進行活體生理切片，腦組織大切片的制作在神經病理診斷中有著重要應用，可用切片檢測結果來診斷HGG 或LGG，但是對于HGG 患者，組織生理切片對其生命存在一定威脅。因此，基于MRI圖像對腦腫瘤的級別進行預測具有重要意義。然而，MRI 圖像邊界模糊，腦腫瘤區域占比較少，對腫瘤進行手動分割進而預測其級別難度很大且耗時耗力。……