轻量级 G-YOLOv11：推进儿童腕部 X 光片骨折检测
图像与视频处理
2025-01-03 v1 计算机视觉与模式识别
摘要
计算机辅助诊断（CAD）系统极大地提高了放射科医生和外科医生对医学影像的解读水平。然而，当前用于骨折检测的 X 光片 CAD 系统主要依赖大型计算密集型检测器，限制了其在临床中的实际应用。为此，我们提出一种基于 YOLO 检测器的新型轻量级 CAD 系统用于骨折检测。该系统称为幽灵卷积基于 YOLOv11（G-YOLOv11），建立在 YOLO 检测器家族的最新版本之上，并采用幽灵卷积操作进行特征提取。幽灵卷积操作生成的特征图数量与传统卷积相同，但所需的线性运算更少，从而降低了检测器的计算资源需求。我们在 GRAZPEDWRI-DX 数据集上评估了所提出的 G-YOLOv11 检测器，实现了在 NVIDIA A10 GPU 上的 [email protected] 为 0.535，推理时间为 2.4 毫秒。与标准 YOLOv11l 相比，G-YOLOv11l 在 [email protected] 上降低了 13.6%，体积降低了 68.7%。这些结果在效率方面建立了新的最佳基准，超越了现有检测器。代码和模型可在 https://github.com/AbdesselamFerdi/G-YOLOv11 获取。
引用
@article{arxiv.2501.00647,
title = {Lightweight G-YOLOv11: Advancing Efficient Fracture Detection in Pediatric Wrist X-rays},
author = {Abdesselam Ferdi},
journal= {arXiv preprint arXiv:2501.00647},
year = {2025}
}