本發(fā)明涉及兒童四肢骨折檢測，具體為基于yolov8檢測兒童四肢骨折的方法。

背景技術(shù)：

1、在醫(yī)學(xué)影像學(xué)領(lǐng)域，特別是針對骨折檢測這一關(guān)鍵診斷任務(wù)，傳統(tǒng)方法依賴于醫(yī)生的經(jīng)驗和肉眼觀察，這不僅耗時且易受主觀因素影響，導(dǎo)致誤診或漏診的風(fēng)險增加，隨著計算機(jī)視覺與機(jī)器學(xué)習(xí)技術(shù)的飛速發(fā)展，尤其是深度學(xué)習(xí)在圖像識別領(lǐng)域的突破，為自動化、高精度的骨折檢測提供了可能。

2、作為計算機(jī)視覺的核心任務(wù)之一，目標(biāo)檢測旨在識別圖像中特定類別的對象，并確定它們的位置和大小，在骨折檢測場景中，目標(biāo)檢測算法能夠定位并識別出骨折區(qū)域，為醫(yī)生提供直觀的參考信息。

3、骨折作為骨科常見的損傷類型，其準(zhǔn)確、快速的診斷對于患者的治療及康復(fù)至關(guān)重要，然而，由于骨折類型多樣、形態(tài)復(fù)雜，特別是在兒童群體中，由于骨骼未完全發(fā)育，骨折表現(xiàn)可能更加隱蔽，增加了檢測的難度。

4、在兒童四肢骨折檢測中，骨折區(qū)域往往較小且細(xì)節(jié)豐富，這對目標(biāo)檢測算法提出了更高要求，傳統(tǒng)目標(biāo)檢測算法在處理小目標(biāo)時容易丟失細(xì)節(jié)或產(chǎn)生誤檢，同時，x-線圖像是骨折檢測中最常用的影像資料，其特點為灰度圖像，與彩色圖像相比，灰度圖像包含的信息量較少，但保留了足夠的結(jié)構(gòu)信息用于骨折識別。

5、基于上述問題，提出了基于yolov8檢測兒童四肢骨折的方法。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于yolov8檢測兒童四肢骨折的方法，具備將骨折檢測和小目標(biāo)檢測有效結(jié)合，進(jìn)一步提高兒童四肢骨折檢測的準(zhǔn)確率等優(yōu)點，解決了兒童四肢比成年人細(xì)且小，且兒童骨折程度比成年人輕，骨折區(qū)域小不容易被發(fā)現(xiàn)，容易出現(xiàn)漏檢誤檢情況的問題。

2、為實現(xiàn)上述將骨折檢測和小目標(biāo)檢測有效結(jié)合，進(jìn)一步提高兒童四肢骨折檢測的準(zhǔn)確率目的，本發(fā)明提供如下技術(shù)方案：基于yolov8檢測兒童四肢骨折的方法，包括：

3、數(shù)據(jù)預(yù)處理；

4、標(biāo)簽準(zhǔn)備；

5、模型選擇與訓(xùn)練；

6、模型評估與優(yōu)化；

7、應(yīng)用部署。

8、作為本發(fā)明的優(yōu)選技術(shù)方案，所述數(shù)據(jù)預(yù)處理包括：

9、將1200張兒童骨折x射線圖像按7:1劃分為訓(xùn)練集和測試集；

10、將所有圖像轉(zhuǎn)換為單通道灰度圖像，并應(yīng)用局部直方圖均衡化以增強(qiáng)圖像質(zhì)量。

11、作為本發(fā)明的優(yōu)選技術(shù)方案，所述標(biāo)簽準(zhǔn)備包括：確保每張圖像的標(biāo)簽正確標(biāo)注了骨折區(qū)域，并統(tǒng)一格式。

12、作為本發(fā)明的優(yōu)選技術(shù)方案，所述模型選擇與訓(xùn)練包括：

13、使用yolov8s.pt作為初始模型，加載預(yù)訓(xùn)練權(quán)重；

14、在訓(xùn)練過程中，逐步調(diào)整模型參數(shù)，包括學(xué)習(xí)率、優(yōu)化器、正則化等，以優(yōu)化訓(xùn)練效果；

15、添加小目標(biāo)檢測層和cbam注意力機(jī)制模塊，通過多次迭代訓(xùn)練，逐步提高模型對微小骨折區(qū)域的檢測能力。

16、作為本發(fā)明的優(yōu)選技術(shù)方案，所述模型評估與優(yōu)化包括：

17、使用測試集對訓(xùn)練好的模型進(jìn)行評估，計算準(zhǔn)確率、召回率等指標(biāo)；

18、根據(jù)評估結(jié)果，對模型進(jìn)行進(jìn)一步優(yōu)化調(diào)整，如調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、增加訓(xùn)練輪次等。

19、作為本發(fā)明的優(yōu)選技術(shù)方案，所述應(yīng)用部署包括：

20、將訓(xùn)練好的模型集成到醫(yī)學(xué)影像診斷系統(tǒng)中，實現(xiàn)自動化、智能化的骨折檢測功能；

21、在實際應(yīng)用中，通過用戶反饋和持續(xù)的數(shù)據(jù)收集，不斷優(yōu)化模型性能。

22、與現(xiàn)有技術(shù)相比，本發(fā)明提供了基于yolov8檢測兒童四肢骨折的方法，具備以下有益效果：

23、該基于yolov8檢測兒童四肢骨折的方法，通過使用了單通道進(jìn)行圖像訓(xùn)練，與醫(yī)學(xué)圖像x-線數(shù)據(jù)為灰度圖像相符合，使用yolov8s.pt輕量級權(quán)重模型對圖像進(jìn)行預(yù)訓(xùn)練更符合實際應(yīng)用，在實際應(yīng)用中減少成本，在網(wǎng)絡(luò)結(jié)構(gòu)層中加入小尺寸特征圖并添加注意力機(jī)制提高了檢測速度，同時融合了小目標(biāo)檢測，進(jìn)一步提高了兒童四肢骨折檢測的準(zhǔn)確率。

技術(shù)特征：

1.基于yolov8檢測兒童四肢骨折的方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于yolov8檢測兒童四肢骨折的方法，其特征在于：所述數(shù)據(jù)預(yù)處理包括：

3.根據(jù)權(quán)利要求1所述的基于yolov8檢測兒童四肢骨折的方法，其特征在于：所述標(biāo)簽準(zhǔn)備包括：確保每張圖像的標(biāo)簽正確標(biāo)注了骨折區(qū)域，并統(tǒng)一格式。

4.根據(jù)權(quán)利要求1所述的基于yolov8檢測兒童四肢骨折的方法，其特征在于：所述模型選擇與訓(xùn)練包括：

5.根據(jù)權(quán)利要求1所述的基于yolov8檢測兒童四肢骨折的方法，其特征在于：所述模型評估與優(yōu)化包括：

6.根據(jù)權(quán)利要求1所述的基于yolov8檢測兒童四肢骨折的方法，其特征在于：所述應(yīng)用部署包括：

技術(shù)總結(jié)
本發(fā)明涉及兒童四肢骨折檢測技術(shù)領(lǐng)域，且公開了基于yolov8檢測兒童四肢骨折的方法，包括：數(shù)據(jù)預(yù)處理；標(biāo)簽準(zhǔn)備；模型選擇與訓(xùn)練；模型評估與優(yōu)化；應(yīng)用部署。該基于yolov8檢測兒童四肢骨折的方法，通過使用了單通道進(jìn)行圖像訓(xùn)練，與醫(yī)學(xué)圖像X?線數(shù)據(jù)為灰度圖像相符合，使用yolov8s.pt輕量級權(quán)重模型對圖像進(jìn)行預(yù)訓(xùn)練更符合實際應(yīng)用，在實際應(yīng)用中減少成本，在網(wǎng)絡(luò)結(jié)構(gòu)層中加入小尺寸特征圖并添加注意力機(jī)制提高了檢測速度，同時融合了小目標(biāo)檢測，進(jìn)一步提高了兒童四肢骨折檢測的準(zhǔn)確率。

技術(shù)研發(fā)人員：唐振華,劉思思,鄧瑞泓,劉廷訴
受保護(hù)的技術(shù)使用者：廣東工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10