目的:根据WHO 2016版对胶质瘤的分级,应用卷积神经网络对胶质瘤患者的术前头部磁共振进行分类训练。观察可否通过应用本研究所用卷积神经网络对术前头部磁共振进行分析,以无创性的预测术前胶质瘤分级。研究方法:收集于2015年1月至2019年6月期间于中国医科大学附属盛京医院接受颅内占位切除术或活检术的胶质瘤患者的术前头部磁共振数据。基于病理组织学将其分为低级别胶质瘤组(LGG)和高级别胶质瘤组(HGG)。所有患者均符合以下标准:(1)术前近期于盛京医院行头部磁共振;(2)于我院行颅内占位切除术或活检术;(3)术后病理证实为胶质瘤。应用数据扩增技术对训练集进行扩增,应用自适应迭代阈值法对数据去除背景并将所有数据进行标准化。将所有数据分为训练集、验证集和测试集,并对本研究所用卷积神经网络进行训练、调整参数和检验性能。观察预测的胶质瘤分级准确率,观察预测的胶质瘤分级与对应的病理组织学分级是否一致。结果:计算得出本研究所设计卷积神经网络的灵敏度为95.0%,特异度为91.0%,准确率为93.0%;Mc Nemar检验的P值为0.424,预测结果与真实结果无统计学差异(P>0.05);kappa值为0.860(>0.70),预测结果与真实结果一致性良好。结论:本研究认为,应用卷积神经网络预测胶质瘤分级与术后病理组织学证实胶质瘤分级一致性较高,可以作为辅助临床医生行术前评估的一种工具。对于考虑为胶质瘤的患者,无创性、相对低廉的准确掌握胶质瘤分级对治疗方案的个体化选择有益。对于临床医生,自动、高效的胶质瘤术前分级预测对临床工作的效率提升有利。