تُحدث الإصابات في المعصم وحتى الكسور بشكل متكرر في الحياة اليومية، خاصة بين الأطفال الذين يشكلون نسبة كبيرة من حالات الكسور. قبل إجراء الجراحة، يطلب الجراحون غالبًا من المرضى الخضوع لتصوير الأشعة السينية أولاً، ويقومون بالتحضير للجراحة بناءً على تحليل صور الأشعة السينية. مع تطور الشبكات العصبية، أصبحت نماذج سلسلة You Only Look Once (YOLO) تُستخدم على نطاق واسع في اكتشاف الكسور للتشخيص المُساعَد بحاسوب، حيث حقق نموذج YOLOv8 نتائج مرضية. يعتبر تطبيق وحدات الانتباه (attention modules) أحد الأساليب الفعالة لتحسين أداء النموذج. تقترح هذه الورقة نموذج YOLOv8-ResCBAM، الذي يدمج وحدة الانتباه البلوكية التلافيفية المتكاملة مع بلوك الـ res (Convolutional Block Attention Module integrated with resblock (ResCBAM)) في هيكل شبكة YOLOv8 الأصلية. تُظهر النتائج التجريبية على مجموعة بيانات GRAZPEDWRI-DX أن دقة الوسط الحسابي للمتوسط (mean Average Precision) المحسوبة عند عتبة تقاطع فوق الاتحاد 0.5 (mAP 50) للنموذج المقترح ارتفعت من 63.6% في النموذج الأصلي YOLOv8 إلى 65.8%，محققة بذلك أفضل الأداء الحالي. يمكن الحصول على كود التنفيذ من الرابط:https://github.com/RuiyangJu/Fracture_Detection_Improved_YOLOv8.请注意，最后一句中的链接没有被翻译，因为它是一个网址，通常在阿拉伯语中也保持英文形式。另外，为了符合阿拉伯语的书写习惯，我将句子中的逗号和句号调整为阿拉伯语的标点符号。