《表1 AI在脑肿瘤诊断中的应用—纳入文献数据特征》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能技术在脑肿瘤影像诊断和评估中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：卷积神经网络（Convolutional Neural Network，CNN）；纠错输出码支持向量机（Error-Correcting Output Codes Support Vector Machine，ECOC-SVM）；深度卷积神经网络（Deep Convolutional Neural Networks，DCNN）；嵌套扩张网络（Nested Dilation Networks，NDN）；完全卷积

脑肿瘤分割是识别图像中肿瘤目标区域的内部体素以及外部轮廓，从而完成肿瘤的定位和分离图像内正常与肿瘤组织。Naceur等[8]使用深度神经网络对MRI进行全自动脑肿瘤分割，该模型可用于高、低级别胶质母细胞瘤的分割，平均Dice值为0.88，分割每例数据平均时间为20.87 s。Wang等[9]提出了一种算法进行脑肿瘤自动分割，该方法对水肿、非增强肿瘤、增强肿瘤的Dice相似系数分别为0.6652、0.5880、0.6682，经过级联训练后，Dice相似系数分别提高到0.7043、0.5889和0.7206。Deng等[10]基于完全卷积神经网络建立脑肿瘤分割模型，该方法的平均Dice相似系数为90.98%，该方法也具有很高的即时性，可以在1 s内对脑肿瘤图像进行分割。此外，Lorenzo等[11]、Thillaikkarasi等[12]、Sajid等[13]、Sun等[14]、Havaei等[15]、Kamnitsas等[16]、Pereira等[17]、Al Badawy等[18]分别基于深度学习技术建立脑肿瘤分割模型，各模型均表现出良好的性能（表1）。基于AI技术的分割模型均得到较高的分割精度，AI辅助诊断提高了早期脑肿瘤诊断的准确性和一致性，同时显著提高了医生工作效率。