深度学习和磁共振图像辅助脑胶质瘤基因分型的研究进展.pdfVIP

http：//aammt.tmmu.edu.cn陆军军医大学学报，2025，47（14）1557

DOI10.16016/j.2097-0927.202409134

：

深度学习和磁共振图像辅助脑胶质瘤基因分型的研究进展

崔少国，陈俊杉重庆师范大学计算机与信息科学学院，重庆

［摘要］脑胶质瘤的基因型状态是评估患者预后和生存周期的重要指标，其基因分型具有显著的

临床价值。虽然生物分子标志物是脑胶质瘤分型的重要依据，但依然存在检测成本高、效率低的问题。

近年来，人工智能技术的快速发展为脑胶质瘤的自动分型提供了新的解决方案，其中基于磁共振图像

（MRI）和深度学习技术的基因状态预测已成为研究热点。目前的研究通过整合多模态MRI数据，构建

了从监督学习到非监督学习的技术体系，通过多任务联合优化和迁移学习，在单基因分型中取得了较

高的预测精度。同时，多基因联合分析作为新兴方向，已取得了初步探索成果。未来，开发多基因同步

预测模型、基于生成数据增强提高小样本泛化能力、采用多源异构数据和大模型提升预测精度，以及引

入可视化技术提升可解释性等，将成为脑胶质瘤基因分型研究的关键突破方向。

［关键词］深度学习；脑胶质瘤；基因分型；磁共振图像

［中图法分类号］R319；R445.2；R739.41［文献标志码］A

AdvancesindeeplearningandMRIco-assistedgenotypingofbraingliomas

CUIShaoguo，CHENJunshanCollegeofComputerandInformationScience，ChongqingNormalUniversity，

Chongqing，China

［Abstract］Thegenotypicstatusofgliomasisacriticalindicatorforassessingpatientprognosisand

survivalduration,withitsgeneticclassificationholdingsignificantclinicalvalue.Althoughbiomolecular

markersserveasessentialcriteriaforgliomaclassification,challengessuchashighdetectioncostsandlow

efficiencypersist.Inrecentyears,therapidadvancementofartificialintelligence(AI)hasprovidednovel

solutionsfortheautomatedclassificationofgliomas,withMRI-baseddeeplearningtechniquesforgenetic

statuspredictionemergingasaresearchhotspot.Currentstudieshaveestablishedatechnicalframework

rangingfromsupervisedtounsupervisedlearningbyintegratingmultimodalMRIdata,achievinghigh

predictiveaccuracyinsingle-geneclassificationthroughmulti-taskjointoptimizationandtra