要約
病院の救急部門では、しばしば多くの骨折症例が報告されており、その中でも小児の手首外傷骨折が大多数を占めています。小児外科医が手術を行う前に、患者に骨折の原因を尋ね、X線画像を解釈して骨折状況を分析する必要があります。X線画像の解釈には、放射線技師と外科医の技術を組み合わせることがよく必要であり、これは時間のかかる専門的な訓練を必要とします。コンピュータビジョン分野における深層学習の進展に伴い、骨折検出に適用されるネットワークモデルは重要な研究テーマとなっています。本論文では、公開データセットである小児手首外傷X線データセット（GRAZPEDWRI-DX）に対して、YOLOv8アルゴリズム（You Only Look Once の最新版）のモデル性能を向上させるためにデータ拡張を使用しました。実験結果は、当該モデルが最先端（SOTA）の平均精度（mAP 50）に達していることを示しています。特に、当該モデルの mAP 50 は 0.638 で、改善された YOLOv7 モデルと元の YOLOv8 モデルの 0.634 および 0.636 よりも有意に高い値を示しています。小児手首外傷X線画像での骨折検出に外科医が当該モデルを利用できるように、「YOLOv8 を使用した骨折検出アプリ」を開発し、外科医が骨折診断を行う際の支援を行い、誤った分析確率を低減し、手術に有用な情報をより多く提供することを目指しています。