本發(fā)明屬于計(jì)算機(jī)醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域。具體為一種的基于深度學(xué)習(xí)的低級(jí)別腦膠質(zhì)瘤檸檬酸脫氫酶無(wú)損預(yù)測(cè)方法和系統(tǒng)。本發(fā)明具有6個(gè)卷積層和4096個(gè)神經(jīng)元的完全連接層的卷積神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別磁共振圖像中的腫瘤區(qū)域；通過(guò)費(fèi)舍爾向量編碼從最后的卷積層中提取深層反應(yīng)；卷積神經(jīng)網(wǎng)絡(luò)為每個(gè)病例生成16384個(gè)高通量圖像特征；基于配對(duì)的t檢驗(yàn)和F分?jǐn)?shù)和p值篩選方法識(shí)別與IDH1高度相關(guān)聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)特征；采用支持向量機(jī)作為分類器。在IDH1預(yù)測(cè)中，在相同的數(shù)據(jù)集的條件下，常規(guī)影像組學(xué)方法的工作特征曲線下面積為86％，而本發(fā)明的AUC為92％；使用基于多模態(tài)磁共振圖像時(shí)，IDH1預(yù)測(cè)的AUC提高到95％。本發(fā)明可以成為從醫(yī)學(xué)圖像中提取深層信息更有效的方法。