简介:目的:针对脑肿瘤形状、位置及大小等多变性,提出一种适合磁共振成像(MRI)脑肿瘤分割的卷积神经网络模型的改进方法。方法:将卷积神经网络应用到脑肿瘤分割上,并针对脑肿瘤的特点,提出多尺度卷积神经网络模型(MSCNN),通过多尺度的输入与多尺度下的采样,克服脑肿瘤的个体差异,同时适应脑肿瘤不同图像层之间的大小位置差异,弱化肿瘤边缘与正常组织灰度相近的影响。结果:通过对30例患者的多模态磁共振图像进行分割,得到平均Dice系数为83.11%;平均灵敏度系数为89.48%;平均阳性预测值(PPV)系数为78.91%。结论:MRI脑肿瘤分割的改进方法可使分割精度得到明显提高,多尺度卷积神经网络能自适应脑肿瘤的差异性,并准确有效地分割脑肿瘤。
简介:【摘要】目的:分析原发性颅脑肿瘤的过程中实施多层螺旋CT与磁共振成像的临床诊断价值,为评估此类方式的诊断效果提供参考依据。方法:将2020年-2021年在我院接受治疗的疑似原发性颅脑肿瘤的患者作为实验的对象,共选取100例,在诊断过程中均实施多层螺旋CT诊断、磁共振成像扫描以及数字减影血管造影,将数字减影血管造影作为诊断标准,比较者多层螺旋CT诊断、磁共振成像扫描的诊断价值。结果:磁共振成像扫描的检出率以及诊断符合率均更高(p<0.05)。结论:在诊断原发性颅脑肿瘤的过程中,使用磁共振成像扫描的临床价值更大,检出率以及诊断符合率均较优异,可以推广。