刘 颖，陈静聪，胡小洋，章浩伟

基于Mask RCNN的桥小脑角区脑膜瘤与听神经瘤分类定位研究

刘 颖*，陈静聪，胡小洋，章浩伟

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

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0.918 2、召回率为0.856 9、特异性为0.876 2、均值平均精度（）为0.90．

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

引 言

颅内肿瘤是一种常见的神经外科疾病，多数由颅内各组织病变引起．其中，脑膜瘤的发病率约占所有颅内肿瘤的12.5%[1]；听神经瘤发病率约占颅内肿瘤的7%~12%，占桥小脑角区（Cerebellopontine Angle，CPA）肿瘤的70%~80%[2]．

磁共振成像（Magnetic Resonance Imaging，MRI）因具有简单无创的特点，而被广泛用于CPA肿瘤的医学诊断和鉴别[3]．医生大多依据听神经瘤会出现不同程度的听道扩大，磁共振图像中1呈低信号、2呈混杂信号；而脑膜瘤会出现“脑膜尾征”，磁共振图像中1呈等信号、2呈略高信号的特点；再结合临床经验来鉴别两类肿瘤[4]．在脑……