儿童腕部骨折X光片检测：基于YOLOv10算法与双标签分配系统
图像与视频处理
2024-08-01 v2 计算机视觉与模式识别
摘要
儿童骨折病发率较高，若处理不当，可能导致慢性疼痛、腕部功能受损及其他长期并发症。近期，目标检测技术在骨折检测方面取得了显著进展，部分系统的检测精度甚至可与或超越人类放射科医师。其中，YOLO系列模型在该领域表现尤为突出。本研究首次对多种YOLOv10变体进行彻底评估，以评估其在使用GRAZPEDWRI-DX数据集检测儿童腕部骨折性能。研究探讨了模型复杂度、架构缩放以及实施双标签分配策略如何提升检测性能。实验结果表明，训练后的模型在该数据集上实现了51.9%的平均精度(mAP@50-95)，超越当前YOLOv9基准的43.3%，提升了8.6%。该实现代码已公开于https://github.com/ammarlodhi255/YOLOv10-Fracture-Detection。
引用
@article{arxiv.2407.15689,
title = {Pediatric Wrist Fracture Detection in X-rays via YOLOv10 Algorithm and Dual Label Assignment System},
author = {Ammar Ahmed and Abdul Manaf},
journal= {arXiv preprint arXiv:2407.15689},
year = {2024}
}