本研究探索了人工智能 (AI) 在增强脑肿瘤诊断方面的潜力，具体是通过对两种先进的深度学习 (DL) 模型 ResNet50 和 YOLOv8 进行比较分析，这两种模型用于检测和分类 MRI 图像中的脑肿瘤。鉴于脑肿瘤的复杂性和多样性，该研究解决了医学领域对快速准确诊断工具的迫切需求。这项研究的动机是人工智能可以为医学诊断带来的潜在好处，特别是在速度和准确性方面，这对于有效的患者治疗和结果至关重要。在四种肿瘤类型的 7023 张 MRI 图像数据集上评估了 ResNet50 和 YOLOv8 模型的性能。使用的关键指标是准确度、精确度、召回率、特异性、F1 分数和处理时间，以确定哪种模型在检测和分类脑肿瘤方面表现更好。研究结果表明，尽管两种模型都表现出高性能，但 YOLOv8 在大多数指标上都超越了 ResNet50，尤其是在速度方面表现出优势。研究结果凸显了先进的深度学习模型在医学图像分析中的有效性，为脑肿瘤诊断带来了重大进步。通过对两种常用的深度学习模型进行全面的比较分析，结合当前将人工智能融入实际医疗应用的方法，并强调其潜在用途，这项研究推动了医学人工智能领域的发展，为部署未来人工智能诊断工具所需的知识提供了深刻见解。