YOLOv8-ResCBAM: YOLOv8을 기반으로 한 효과적인 주의 모듈을 이용한 소아 손목 골절 검출

손목 부상과 심지어 골절은 일상생활에서 자주 발생하며, 특히 골절 사례의 상당 부분을 차지하는 어린이들에게 더욱 흔합니다. 수술 전에 외과의사들은 환자에게 먼저 X선 영상을 촬영하도록 요구하고, 이 X선 영상을 분석하여 수술 준비를 합니다. 신경망의 발전에 따라, You Only Look Once (YOLO) 시리즈 모델이 컴퓨터 지원 진단(CAD)에서 골절 검출에 널리 사용되고 있으며, YOLOv8 모델은 만족스러운 결과를 얻었습니다. 신경망에 주의 모듈(attention module)을 적용하는 것은 모델 성능을 개선하기 위한 효과적인 방법 중 하나입니다. 본 논문에서는 원래의 YOLOv8 네트워크 구조에 합성곱 블록 주의 모듈(Convolutional Block Attention Module)과 resblock을 통합한 ResCBAM을 도입한 YOLOv8-ResCBAM을 제안합니다. GRAZPEDWRI-DX 데이터셋에서 수행된 실험 결과는 제안된 모델의 mAP 50 (Intersection over Union 임계값 0.5에서 계산된 평균 정밀도)가 원래 YOLOv8 모델의 63.6%에서 65.8%로 증가하였음을 보여주며, 이는 최신 기술 수준(state-of-the-art) 성능을 달성하였습니다. 해당 연구의 구현 코드는 https://github.com/RuiyangJu/Fracture_Detection_Improved_YOLOv8에서 확인할 수 있습니다.