Pediatric Wrist Fracture Detection in X-rays via YOLOv10 Algorithm and Dual Label Assignment System

要約

手首の骨折は子供の間で非常に蔓延しており、学校に通う、スポーツに参加する、基本的なセルフケア作業を行うなどの日常活動に大きな影響を与える可能性があります。
適切に治療されないと、これらの骨折は慢性的な痛み、手首の機能の低下、その他の長期的な合併症を引き起こす可能性があります。
最近、物体検出の進歩により、人間の放射線科医と同等、あるいはそれを超える精度を達成するシステムにより、骨折検出の向上が期待できることが示されています。
特に YOLO シリーズは、この分野で顕著な成功を収めています。
この研究は、GRAZPEDWRI-DX データセットを使用して小児手首骨折の検出におけるパフォーマンスを評価するために、さまざまな YOLOv10 バリアントの徹底的な評価を提供する最初の研究です。
モデルの複雑さの変更、アーキテクチャのスケーリング、および二重ラベル割り当て戦略の実装によって検出パフォーマンスがどのように向上するかを調査します。
実験結果は、トレーニングされたモデルが、このデータセットで現在の YOLOv9 ベンチマークの 43.3\% を上回る 51.9\% の平均精度 (mAP@50-95) を達成したことを示しています。
これは 8.6\% の改善を意味します。
実装コードは https://github.com/ammarlodhi255/YOLOv10-Fracture-Detection で公開されています。

要約(オリジナル)

Wrist fractures are highly prevalent among children and can significantly impact their daily activities, such as attending school, participating in sports, and performing basic self-care tasks. If not treated properly, these fractures can result in chronic pain, reduced wrist functionality, and other long-term complications. Recently, advancements in object detection have shown promise in enhancing fracture detection, with systems achieving accuracy comparable to, or even surpassing, that of human radiologists. The YOLO series, in particular, has demonstrated notable success in this domain. This study is the first to provide a thorough evaluation of various YOLOv10 variants to assess their performance in detecting pediatric wrist fractures using the GRAZPEDWRI-DX dataset. It investigates how changes in model complexity, scaling the architecture, and implementing a dual-label assignment strategy can enhance detection performance. Experimental results indicate that our trained model achieved mean average precision (mAP@50-95) of 51.9\% surpassing the current YOLOv9 benchmark of 43.3\% on this dataset. This represents an improvement of 8.6\%. The implementation code is publicly available at https://github.com/ammarlodhi255/YOLOv10-Fracture-Detection

arxiv情報

提供元, 利用サービス

arxiv.jp, Google