초록
병원 응급실은 빈번하게 많은 골절 사례를 접하며, 이 중 소아 손목 외상성 골절이 대부분을 차지합니다. 소아외과 의사가 수술을 진행하기 전에는 환자에게 골절이 어떻게 발생했는지를 물어보고 X선 영상을 해석하여 골절 상황을 분석해야 합니다. X선 영상의 해석은 방사선과 의사와 외과 의사의 기술을 결합하는 것이 일반적이며, 이는 시간이 많이 걸리는 전문적인 훈련을 필요로 합니다. 컴퓨터 비전 분야에서 딥러닝의 발전에 따라 골절 검출에 적용되는 네트워크 모델은 중요한 연구 주제가 되었습니다. 본 논문에서는 공개 데이터셋인 GRAZPEDWRI-DX(소아 손목 외상 X선 데이터셋)를 사용하여 YOLOv8 알고리즘(You Only Look Once의 최신 버전)의 모델 성능을 개선하기 위해 데이터 증강 기법을 적용하였습니다. 실험 결과, 우리 모델은 최고 수준(SOTA)의 평균 정밀도(mAP 50)를 달성하였으며, 특히 우리 모델의 mAP 50 값은 0.638로, 개선된 YOLOv7(0.634) 및 원래 YOLOv8(0.636) 모델보다 유의미하게 높습니다. 소아 손목 외상 X선 영상에서 골절 검출을 위해 우리 모델을 사용할 수 있도록 "YOLOv8를 활용한 골절 검출 앱(Fracture Detection Using YOLOv8 App)"을 설계하여, 외과 의사들이 골절 진단에 도움을 받고 오류 분석 확률을 줄이며 수술에 더 유용한 정보를 제공할 수 있도록 하였습니다.