手首骨折は子供たちに非常に一般的であり、学校への出席、スポーツへの参加、基本的な自己ケアの遂行などの日常活動に大きな影響を及ぼす可能性があります。適切に治療されない場合、これらの骨折は慢性痛、手首機能の低下、その他の長期的な合併症を引き起こす可能性があります。最近、物体検出技術の進歩が骨折検出の向上に有望であることが示されており、システムが人間の放射線技師と同等かそれ以上の精度を達成しています。特にYOLOシリーズはこの分野で顕著な成功を収めています。本研究では、さまざまなYOLOv10バリアントを使用して小児手首骨折の検出性能を評価する初めての包括的な分析を行いました。GRAZPEDWRI-DXデータセットを用いて、モデルの複雑さの変更、アーキテクチャのスケーリング、デュアルラベル割り当て戦略の実装が検出性能をどのように向上させるかを調査しました。実験結果によると、我々が訓練したモデルは平均精度（mAP@50-95）51.9％を達成し、このデータセットにおける現在のYOLOv9基準値43.3％を超える結果となりました。これは8.6％の改善です。実装コードは公開されており、以下のURLからアクセスできます: https://github.com/ammarlodhi255/YOLOv10-Fracture-Detection