摘要 — 脑肿瘤越来越普遍，其特征是脑内异常组织不受控制地扩散，全球每年诊断出近 700,000 例新病例。磁共振成像 (MRI) 通常用于诊断脑肿瘤，准确分类是一项关键的临床程序。在本研究中，我们提出了一种使用自定义迁移学习网络从 MRI 图像中对脑肿瘤进行分类的有效解决方案。虽然一些研究人员已经采用了各种预训练的架构，例如 RESNET-50、ALEXNET、VGG-16 和 VGG-19，但这些方法通常存在高计算复杂度的问题。为了解决这个问题，我们提出了一个自定义的轻量级模型，该模型使用基于卷积神经网络的预训练架构，复杂度降低。具体而言，我们采用带有额外隐藏层的 VGG-19 架构，这降低了基础架构的复杂性，但提高了计算效率。目标是使用新方法实现高分类准确率。最终结果表明分类准确率为96.42%。