摘要
腕部骨折在儿童中非常普遍，可能显著影响他们的日常活动，如上学、参加体育活动和进行基本的自理任务。如果未得到适当治疗，这些骨折可能导致慢性疼痛、腕部功能减退以及其他长期并发症。近年来，目标检测技术的进步在提高骨折检测方面显示出巨大潜力，相关系统在准确性上已达到甚至超过人类放射科医生的水平。特别是YOLO系列算法，在这一领域表现出显著的成功。本研究首次对多种YOLOv10变体进行了全面评估，以评估其在使用GRAZPEDWRI-DX数据集检测儿童腕部骨折方面的性能。研究探讨了模型复杂度的变化、架构的缩放以及双标签分配策略的实施如何提升检测性能。实验结果表明，我们训练的模型在该数据集上的平均精度均值（mAP@50-95）达到了51.9%，超过了当前YOLOv9基准的43.3%，提高了8.6%。该实现代码已在 https://github.com/ammarlodhi255/YOLOv10-Fracture-Detection 公开发布。