临床放射学杂志

作者：闭应洲, 甘秋静, 霍雷刚, 刘善锐

单位：530199 南宁师范大学广西人机交互与智能决策重点实验室

关键词：MRI,脑肿瘤,坐标卷积,ResNet50,残差注意力模块

基金：本研究系国家自然科学基金项目(编号：62067007); 广西学位与研究生教改课题项目(编号：JGY2023236)

<b>目的</b> 针对传统卷积神经网络（CNN）在MRI图像中空间位置信息建模不足及通道特征感知能力薄弱的问题，提升脑肿瘤识别的准确率与鲁棒性。<b>方法</b> 提出融合坐标卷积（CoordConv）与多级残差注意力机制的改进型ResNet50模型（CoResAttNet），通过在初始层引入CoordConv增强空间感知能力，并在各残差阶段嵌入注意力模块以强化关键通道特征的表达。<b>结果</b> 在两个脑肿瘤MRI公开数据集上进行四分类实验，其在准确率、精确率、召回率和F1分数上分别达到99.72%、99.70%、99.69%、99.69%及98.26%、98.24%、98.25%、98.24%。<b>结论</b> CoResAttNet模型在脑肿瘤分类任务中具备较好泛化能力与识别性能，能为智能辅助诊断提供有效支持。

来源：2026年第2期

《临床放射学》期刊编辑部

查看临床放射学杂志2026年第2期