背景和目标 脑肿瘤评估中的比较诊断使得在评估新患者时可以使用医疗中心的可用信息来比较类似病例。通过利用人工智能模型，所提出的系统能够针对给定的查询检索最相似的脑肿瘤病例。主要目标是通过生成更准确的医学图像表示来增强诊断过程，特别关注患者特定的正常特征和病理。与以前的模型的一个关键区别在于它能够仅从二进制信息中生成丰富的图像描述符，从而无需昂贵且难以获得的肿瘤分割。 方法 所提出的模型使用人工智能检测患者特征以从数据库中推荐最相似的病例。该系统不仅建议相似病例，而且在其设计中平衡了健康和异常特征的表示。这不仅鼓励其使用的推广，而且还有助于临床医生的决策过程。这种推广使得未来在不同的医学诊断领域进行研究成为可能，而系统几乎没有任何变化。 结果 我们对我们的方法与类似研究进行了比较分析。所提出的架构在患者的肿瘤和健康区域中均获得了 0.474 的 Dice 系数，这优于以前的文献。我们提出的模型擅长从脑磁共振 (MR) 中提取和组合解剖和病理特征，在依赖较便宜的标签信息的同时获得最先进的结果。这大大降低了培训过程的总体成本。我们的研究结果强调了提高比较诊断和治疗肿瘤病理的效率和准确性的巨大潜力。结论本文为进一步探索所提出的架构的更广泛适用性和优化以增强临床决策提供了实质性基础。本研究提出的新方法标志着医学诊断领域的重大进步，特别是在人工智能辅助图像检索的背景下，并有望使用人工智能作为支持工具而不是黑箱系统来降低成本并提高患者护理质量。