In den letzten Jahren haben computerunterstützte Diagnosesysteme ein großes Potenzial bei der Unterstützung von Radiologen bei der präzisen und effizienten Analyse medizinischer Bilder gezeigt. In diesem Beitrag wird ein neuartiger Ansatz zur Lokalisierung und Klassifizierung von Knochenpathologien in Handröntgenbildern vorgestellt, der eine Kombination aus YOLO (You Only Look Once) und dem Shifted Window Transformer (Swin) mit einem neu vorgeschlagenen Block nutzt. Die vorgeschlagene Methode adressiert zwei zentrale Herausforderungen bei der Analyse von Handröntgenbildern: die präzise Lokalisierung von Knochenpathologien und die genaue Klassifizierung von Abnormitäten. Der YOLO-Ansatz wird eingesetzt, um Knochenpathologien zu detektieren und zu lokalisieren, wobei seine Fähigkeit zur Echtzeit-Objekterkennung genutzt wird. Zudem wird der Swin, ein auf Transformers basierender Modul, zur Extraktion kontextueller Informationen aus den lokalisierten Regionen von Interesse (ROIs) herangezogen, um eine präzise Klassifizierung zu ermöglichen.