张斌，薛彩强，林晓强，景梦园，邓靓娜，韩涛，周俊林

兰州大学第二医院放射科/兰州大学第二临床医学院/甘肃省医学影像重点实验室，甘肃兰州730030

前言

脑胶质瘤是中枢神经系统最常见的原发肿瘤，约占中枢神经系统原发恶性肿瘤的80%。MRI作为首选检查方法广泛应用于脑胶质瘤的诊断，然而，胶质瘤的异质性血管生成、细胞增殖、细胞侵袭和凋亡可以转化成丰富的影像征象［1］，使得常规的影像学评估面临巨大的挑战。深度学习作为机器学习的一个分支，相比于经典的机器学习，它不需要预先选择特征，反之可以学习对分类或预测最相关的特征［2］。随着深度学习发展的不断深入，为脑胶质瘤的精准预测、个性化治疗提供了全新途径。笔者就深度学习在脑胶质瘤精准分割、分级分型、鉴别诊断及预后预测的进展进行综述。

1 深度学习在脑胶质瘤分割的研究进展

肿瘤分割是辅助癌症诊断和治疗的关键步骤，脑胶质瘤术前和术后需要定量的指标来指导治疗、风险分层和预测预后［3］。然而，考虑到脑胶质瘤的特点和设备噪声，精确分割肿瘤是一项具有挑战性的任务。

利用MRI进行脑肿瘤分割可非侵入性获取相关信息，如肿瘤的形状和大小，以及病理活检取样的定位。然而，常规MRI一维技术评价是不准确的，不能反映实际肿瘤负荷的变化［4］。手动脑肿瘤分割是肿瘤分割的黄金标准，但它耗时长且受阅片人的主观影响，使得快速且可再现的分割具有挑战性。……