基于YOLOv8算法的儿童腕部创伤X射线图像骨折检测
计算机视觉与模式识别
2026-02-06 v5
摘要
医院急诊科经常接收大量骨折病例，其中儿童腕部创伤骨折占大多数。在儿科医生进行手术前，他们需要询问患者骨折发生的过程，并通过解读X射线图像来分析骨折情况。X射线图像的解读通常需要放射科医生和外科医生的技术结合，这需要耗时的专业培训。随着深度学习在计算机视觉领域的兴起，应用于骨折检测的网络模型已成为一个重要研究课题。在本文中，我们使用数据增强来提升YOLOv8算法（You Only Look Once的最新版本）在儿童腕部创伤X射线数据集（GRAZPEDWRI-DX，一个公开数据集）上的模型性能。实验结果表明，我们的模型达到了最先进的（SOTA）平均精度均值（mAP 50）。具体而言，我们模型的mAP 50为0.638，显著高于改进版YOLOv7和原始YOLOv8模型的0.634和0.636。为使外科医生能够使用我们的模型对儿童腕部创伤X射线图像进行骨折检测，我们设计了“Fracture Detection Using YOLOv8 App”应用，以辅助外科医生诊断骨折，降低错误分析的概率，并为手术提供更有用的信息。
引用
@article{arxiv.2304.05071,
title = {Fracture Detection in Pediatric Wrist Trauma X-ray Images Using YOLOv8 Algorithm},
author = {Rui-Yang Ju and Weiming Cai},
journal= {arXiv preprint arXiv:2304.05071},
year = {2026}
}
备注
Scientific Reports