YOLOv8-ResCBAM: YOLOv8を基にした効果的な注意モジュールを用いた小児の手首骨折検出

日常生活において手首の外傷や骨折は頻繁に発生し、特に骨折症例の大きな割合を占める子どもたちにおいて多く見られます。手術を行う前に、外科医は患者に対してまずX線画像撮影を依頼し、そのX線画像の分析に基づいて手術の準備を行います。ニューラルネットワークの発展に伴い、You Only Look Once (YOLO) シリーズのモデルがコンピュータ支援診断における骨折検出に広く使用されるようになりました。YOLOv8 モデルは、満足できる結果を得ています。ニューラルネットワークにアテンションモジュールを適用することは、モデル性能を向上させる有効な方法の一つです。本論文では、Convolutional Block Attention Module と resblock を統合した ResCBAM を元の YOLOv8 ネットワークアーキテクチャに組み込んだ YOLOv8-ResCBAM を提案します。GRAZPEDWRI-DX データセットでの実験結果は、Intersection over Union 閾値 0.5 で計算された平均精度（mAP 50）が提案モデルで元の YOLOv8 モデルの 63.6% から 65.8% に上昇し、最先端の性能を達成していることを示しています。実装コードは以下のURLから入手可能です：https://github.com/RuiyangJu/Fracture_Detection_Improved_YOLOv8。