YOLOv8에서의 소아 손목 골절 검출을 위한 전역 컨텍스트 모델링

아이들은 일상생활에서 종종 손목 부상을 입습니다. 이에 대한 골절 진단은 방사선과의 전문가들이 수술 전에 X선 영상을 분석하고 해석해야 합니다. 딥러닝의 발전으로 인해 신경망 모델이 컴퓨터 보조 진단(CAD) 도구로 작동하여 의사와 전문가들의 진단을 돕는 것이 가능해졌습니다. YOLOv8 모델이 객체 검출 작업에서 만족스러운 성공을 거두었기 때문에 골절 검출에도 적용되었습니다. 글로벌 컨텍스트(GC) 블록은 경량화된 방식으로 전체적인 맥락을 효과적으로 모델링하며, 이를 YOLOv8에 통합하면 모델 성능을 크게 향상시킬 수 있습니다. 본 논문에서는 GC 블록을 통합한 YOLOv8 모델의 개선 버전인 YOLOv8+GC 모델을 제안합니다. 실험 결과, GRAZPEDWRI-DX 데이터셋에서 제안된 YOLOv8-GC 모델은 원래 YOLOv8 모델보다 교차 연합 비율 0.5(mAP 50) 기준 평균 정밀도를 63.58%에서 66.32%로 향상시키며, 최신 기술(SOTA) 수준을 달성했습니다. 본 연구의 구현 코드는 GitHub(https://github.com/RuiyangJu/YOLOv8_Global_Context_Fracture_Detection)에서 확인할 수 있습니다.