YOLOv8における小児手首骨折検出のためのグローバルコンテキストモデリング

子どもたちは日常生活でしばしば手首の怪我をしますが、骨折の診断には放射線技師が外科医による手術治療前にX線画像を分析・解釈する必要があります。深層学習の発展により、ニューラルネットワークモデルがコンピュータ支援診断（CAD）ツールとして医師や専門家の診断を助けることが可能になりました。YOLOv8モデルは物体検出タスクにおいて満足すべき成功を収めており、骨折検出にも適用されています。グローバルコンテキスト（GC）ブロックは軽量な方法で全体的なコンテキストを効果的にモデリングし、これをYOLOv8に組み込むことでモデル性能が大幅に向上します。本論文では、GCブロックを搭載したYOLOv8モデルの改良版であるYOLOv8+GCモデルを提案します。実験結果によると、元のYOLOv8モデルと比較して、提案されたYOLOv8+GCモデルはGRAZPEDWRI-DXデータセット上で交差領域比閾値0.5での平均精度（mAP 50）が63.58%から66.32%に向上し、最先端（SOTA）レベルを達成しています。本研究の実装コードはGitHub（https://github.com/RuiyangJu/YOLOv8_Global_Context_Fracture_Detection）で公開されています。