DeepLOC：基于深度学习的腕关节X射线图像中骨骼病理区域定位与分类

近年来，计算机辅助诊断系统在协助放射科医生进行精准、高效的医学图像分析方面展现出巨大潜力。本文提出了一种新型方法，用于腕关节X射线图像中骨病灶的定位与分类，该方法结合了YOLO（You Only Look Once）目标检测框架与基于Transformer的Shifted Window Transformer（Swin）模型，并引入了一种新提出的模块。所提出的方法旨在解决腕关节X射线分析中的两个关键挑战：骨病灶的精确定位以及异常病变的准确分类。其中，YOLO框架被用于检测并定位骨病灶，充分发挥其实时目标检测的优势；同时，采用基于Transformer的Swin模块，对定位得到的感兴趣区域（Region of Interest, ROI）进行上下文信息提取，以实现高精度的分类。