基于YOLOv8m的改进腕部X光片骨折检测算法

摘要

目前腕部X光片的骨折检测存在误诊率高、医疗资源不足等问题。为了辅助医生进行骨折诊断，提出了一种基于YOLOv8m的X光片骨折检测方法。首先引入可分离大核注意力机制来提取重要特征信息，抑制不显著特征信息；然后将残差块融入注意力机制，增强注意力机制的作用，增加模型的泛化能力；最后将可切换空洞卷积与C2f模块结合，增加模型的感受野，捕捉不同尺寸的特征信息。实验结果表明，与先进的YOLOv8l改进模型相比，本文模型mAP50提高了1.3%，由于使用了规格更小的YOLOv8m为基础模型，参数量降低了14.3%，浮点运算次数降低了42.7%。此模型能够辅助放射科医生进行腕部X光片的骨折诊断。

关键词

X射线 / 骨折检测 / 深度学习 / YOLOv8