“脑瘤”一词描述了脑细胞不受控制的增加，这可能会产生各种不良后果。在医学研究领域，人们采用各种方法来发现脑瘤，而专家仍在使用的最可靠的方法是磁共振成像（MRI）。非侵入性MRI方法已发展成为一种主要的发射脑瘤调查工具。为了准确识别肿瘤的范围，可靠、完全自动的脑瘤分割方法仍在研究中。早期发现肿瘤，治疗成功的可能性更高。检测脑瘤影响细胞是一个繁琐且耗时的过程。尽早识别和分类脑瘤对于有效治疗非常重要。本文对现有方法进行了分析，以将各种形式的深度学习技术应用于MRI数据。本综述提供了基于混合深度学习的脑肿瘤诊断方法，该方法结合了不同的深度学习方法，如卷积神经网络 (CNN)、UNET 架构、GoogLeNet 和 Gabor 滤波器进行特征提取。通过广泛的调查，本综述得出结论，深度学习方法比传统的机器学习算法提供更准确、更高效的结果。这项调查强调了当前的临床挑战、潜在的未来解决方案，并开启了研究人员的挑战，以开发系统性脑肿瘤检测系统，展示临床上可接受的更好的准确性，这将有助于放射科医生进行诊断。