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

要約

病院の救急部門には骨折の症例が頻繁に来院されますが、その大部分を占めるのが小児手首の外傷骨折です。
小児外科医は手術を行う前に患者から骨折の経緯を聞き、X線画像を読影して骨折の状況を分析する必要があります。
X 線画像の読影には、多くの場合、放射線科医と外科医の技術を組み合わせる必要があり、時間のかかる専門的なトレーニングが必要です。
コンピュータービジョンの分野におけるディープラーニングの台頭により、破損検出に適用されるネットワークモデルが重要な研究テーマとなっています。
このペーパーでは、GRAZPEDWRI-DX データセットで YOLOv8 (You Only Look Once の最新バージョン) モデルをトレーニングし、データ拡張を使用してモデルのパフォーマンスを向上させます。
実験結果は、私たちのモデルが最先端 (SOTA) リアルタイム モデルのパフォーマンスに達していることを示しています。
具体的には、YOLOv8s モデルと比較して、モデルの平均精度 (mAP 50) は、入力画像サイズ 640 および 1024 で、それぞれ 0.604 および 0.625 から 0.612 および 0.631 に向上しています。
外科医が小児手首外傷 X 線画像の骨折検出に当社のモデルを使用できるようにするために、外科医による骨折の診断を支援し、エラー分析の可能性を減らし、より有用な情報を提供するアプリケーション「YOLOv8 アプリを使用した骨折検出」を設計しました。
手術用に。
実装コードは https://github.com/RuiyangJu/Bone_Fracture_Detection_YOLOv8 でリリースされています。

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, we train YOLOv8 (the latest version of You Only Look Once) model on the GRAZPEDWRI-DX dataset, and use data augmentation to improve the model performance. The experimental results show that our model have reached the state-of-the-art (SOTA) real-time model performance. Specifically, compared to YOLOv8s models, the mean average precision (mAP 50) of our models improve from 0.604 and 0.625 to 0.612 and 0.631 at the input image size of 640 and 1024, respectively. To enable surgeons to use our model for fracture detection on pediatric wrist trauma X-ray images, we have designed the application ‘Fracture Detection Using YOLOv8 App’ to assist surgeons in diagnosing fractures, reducing the probability of error analysis, and providing more useful information for 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, Google