Fracture Detection in Pediatric Wrist Trauma X-ray Images Using YOLOv8 Algorithm

要約

タイトル: YOLOv8アルゴリズムを用いた小児の手首の骨折画像の検出

要約:
– 小児の手首の骨折が多いため、救急医療ではよく受けられる。
– 小児外科医は手術前に患者に骨折の原因を聞き取り、X線画像を解釈して骨折の状況を分析する必要がある。
– X線画像の解釈には、放射線科医と外科医の専門訓練を組み合わせて行われるため、時間がかかる。
– コンピュータビジョン分野における深層学習の進歩により、骨折検出についての研究が重要となっている。
– 本研究ではYOLOv8アルゴリズムを使用して、GRAZPEDWRI-DXデータセットのX線画像を用いて6,091人の小児の手首の骨折検出のモデルをトレーニングする。
– 実験結果は、YOLOv8アルゴリズムモデルが異なるモデルサイズに対して異なる利点を持っており、YOLOv8lモデルが最高の平均精度（mAP 50）63.6％を達成したこと、そして YOLOv8nモデルが低い計算能力を持つ1つのCPU上でX線画像当たりの推論時間を67.4msに達成したことを示している。
– このように、放射線科医の支援なしで外科医がX線画像を解釈するための「YOLOv8アプリを用いた骨折検出」を作成しました。実装コードはhttps://github.com/RuiyangJu/Bone_Fracture_Detection_YOLOv8で公開されています。

要約(オリジナル)

Hospital emergency departments frequently receive lots of bone fracture cases, with pediatric wrist trauma fracture accounting for the majority of them. Before pediatric surgeons perform surgery, they need to ask patients how the fracture occurred and analyze the fracture situation by interpreting X-ray images. The interpretation of X-ray images often requires a combination of techniques from radiologists and surgeons, which requires time-consuming specialized training. With the rise of deep learning in the field of computer vision, network models applying for fracture detection has become an important research topic. In this paper, YOLOv8 algorithm is used to train models on the GRAZPEDWRI-DX dataset, which includes X-ray images from 6,091 pediatric patients with wrist trauma. The experimental results show that YOLOv8 algorithm models have different advantages for different model sizes, with YOLOv8l model achieving the highest mean average precision (mAP 50) of 63.6\%, and YOLOv8n model achieving the inference time of 67.4ms per X-ray image on one single CPU with low computing power. In this way, we create ‘Fracture Detection Using YOLOv8 App’ to assist surgeons in interpreting X-ray images without the help of radiologists. Our implementation code is released at https://github.com/RuiyangJu/Bone_Fracture_Detection_YOLOv8.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI