人工智能单阶段目标检测模型诊断X线平片骨折线的效能研究

摘要

目的 比较单阶段目标检测法YOLO-v5、YOLO-v7、YOLO-v8 3种模型对X线平片不同部位骨折线的诊断性能，选择对细小骨折线、复杂骨折线、多发骨折线精准检测的最佳模型。方法 纳入6 740幅骨折数字化X线平片影像，使用pycharm集成开发环境配置YOLO-v5、YOLO-v7、YOLO-v8目标检测模型，以端对端的方式输入影像并可视化诊断结果。使用准确率、精准率、召回率、F1值、平均精度、ROC曲线下面积等评价指标比较不同模型诊断骨折线的性能差异。由两名放射科医师使用/不使用3种诊断模型辅助，即8种诊断方式对测试集进行诊断，比较诊断时间、准确率，敏感度、特异度等差异，分析假阳性、假阴性结果的原因。结果 3种模型中YOLO-v5在综合部位组中的骨折诊断准确率最高(78.11%),四肢长骨骨折组的准确率为82.47%,脊柱骨折组的准确率为83.34%,但对骨盆和手足部位骨折的检测效能较差，准确率分别为60.15%、65.12%。YOLO-v7模型对四肢长骨、骨盆、手足骨折检测的准确率最低(30.35%、30.11%、47.68%),但脊柱骨折诊断准确率最高(88.92%)。YOLO-v8 5组骨折检测准确率分别为76.20%、81.69%、82.36%、60.52%、55.65%,性能介于其他2个模型之间。对比有无模型辅助诊断，发现YOLO-v5、YOLO-v8模型均能提升诊断医师的工作速度及诊断准确性。结论 3种模型辅助诊断效果有差异，选择适宜模型进行辅助诊断可提升医师的诊断效率和准确性。

关键词

骨折 / 诊断 / 人工智能

基金资助

河北省卫生健康委员会青年科技课题(20230087); 河北医科大学大学生创新性实验计划项目(USIP2025122)