基于MSEF-YOLO的儿童腕部骨折检测算法

摘要

针对儿童腕部X光图像中细微骨折检测精度较低的问题，提出一种基于YOLOv11n改进的MSEF-YOLO(multi-scale efficient fusion network-YOLO)目标检测算法。首先，将空间和通道重构卷积(SCConv)模块与C3k2模块融合，通过空间重构单元(SRU)和通道重构单元(CRU)并行处理空间与通道的冗余，增强对小目标的感知能力；其次，引入多尺度扩张注意力(MSDA)机制提高特征提取能力，进而提高模型检测精度与泛化性，有效减少漏检和误检；最后，优化尺度序列特征融合(SSFF)模块并设计SSFF-X模块，通过3D卷积增强多尺度特征融合能力，进一步提升对细微骨折的检测效果。实验结果表明，相较于原YOLOv11n算法，MSEF-YOLO算法的精确率、召回率、mAP@0.5和mAP@0.5～0.95分别提高了3.1%、3.8%、3.0%和3.5%。MSEF-YOLO算法能够有效协助放射科医生检测儿童腕部骨折，为医学图像的诊断提供技术支持。

关键词

儿童腕部骨折 / 空间和通道重构卷积 / 多尺度扩张注意力 / 特征融合