У роботі проведено аналіз та порівняльне дослідження сучасних моделей глибокого навчання для багатокласової класифікації пухлин головного мозку за допомогою МРТ-зображень. У режимі transfer learning досліджено ефективність архітектур ResNet50, DenseNet121 та EfficientNet-B0. Для підвищення точності та стійкості моделей застосовано попередню обробку даних: очищення дублікатів через MD5, аугментацію, нормалізацію та зважування функції втрат для компенсації дисбалансу класів.
