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手首外傷X線画像における骨折検出

要約：
– 小児手首外傷骨折は、病院の緊急治療現場で最も多い骨折症例となっており、緊急手術に先立ってX線画像による骨折検出が必要である。
– 従来、X線画像の解釈は放射線医と外科医の技術の組み合わせが必要であり、専門的なトレーニングが必要である。
– 深層学習の進展により、骨折検出に関するネットワークモデルの開発が注目されている。
– 本研究では、6,091人の小児患者の手首外傷のX線画像からなるGRAZPEDWRI-DXデータセットを用いてYOLOv8アルゴリズムによるモデルを訓練した。
– 実験の結果、YOLOv8アルゴリズムのモデルには異なる利点があり、YOLOv8lモデルが最高の平均精度（mAP50）63.6％を、YOLOv8nモデルが1つの低コンピューティングパワーCPU上でX線画像1枚あたり67.4msの推論時間を達成した。
– 本研究は、YOLOv8アルゴリズムが一般化に優れており、X線画像の解釈を支援する「Fracture Detection Using YOLOv8 App」を作成したことを示している。
– また、本研究のコードは https://github.com/RuiyangJu/Bone_Fracture_Detection_YOLOv8 で公開されている。

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. This work demonstrates that YOLOv8 algorithm has good generalizability and creates the ‘Fracture Detection Using YOLOv8 App’ to assist surgeons in interpreting fractures in X-ray images, reducing the probability of error, and providing more useful information for fracture surgery. 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