文献类型：期刊文章

作　　者：刘颖[1] 陈静聪[1] 胡小洋[1] 章浩伟[1]

LIU Ying;CHEN Jing-cong;HU Xiao-yang;ZHANG Hao-wei(Institute of Medical Imaging Engineering,School of Medical Instrument and Food Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)

机构地区：[1]上海理工大学医疗器械与食品学院,医学影像工程研究所,上海200093

出　　处：《波谱学杂志》

基　　金：微创励志创新基金资助项目(182702156).

年　　份：2021

卷　　号：38

期　　号：1

起止页码：58-68

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、DOAJ、JST、PUBMED、RCCSE、ZGKJHX、核心刊

摘　　要：由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似,所以临床诊断极易发生误诊.针对此问题,本文应用掩膜区域卷积神经网络(Mask RCNN)对两类肿瘤进行分类定位研究.首先采集89名脑膜瘤与218名听神经瘤患者的T1WI-SE序列的磁共振图像,对其进行预处理,再结合改进的特征金字塔网络(FPN)算法进行网络训练.本文对比了三种不同的Mask RCNN主干网络对两者分类定位的效果.结果表明,结合改进的FPN算法和ResNet101作为主干网络的Mask RCNN分类定位模型能够有效实现对两类肿瘤的分类定位,精确率为0.9182、召回率为0.8569、特异性为0.8762、均值平均精度(mAP)为0.90.

关 键 词：掩膜区域卷积神经网络(Mask  RCNN)  特征金字塔网络(FPN)算法  分类定位  脑膜瘤 听神经瘤

分 类 号：R739.41] O482.53[临床医学类]