公开(公告)号：CN119006792A

公开(公告)日：2024-11-22

申请号：CN202411137481.0

申请日：2024-08-19

Applicant: 南昌大学

Inventor： 施柳 ,  陈文卓 ,  刘且根 ,  张明辉 ,  张宁 ,  彭新级 ,  胡祺石 ,  黄祺

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/80 ,  G06T7/00

Abstract: 针对临床医生劳动强度大，骨科医生工作效率低等问题，运用深度学习的方法在医学影像分析中的应用日趋广泛。本发明提出了一种基于x线片的椎体压缩性骨折识别方法，通过改进YOLOv8模型结构，引入C2f‑DAttention模块、LSKA模块和动态检测头，旨在提高模型的识别精度和效率，并降低计算复杂度和内存占用，从而提供一种快速、准确、低成本的椎体压缩性骨折自动化检测方法，助力临床医生提高诊断效率和准确性。改进后的实验模型在数据集上，与原模型yolov8m相比mAP50提升了9.1%，mAP50‑95提升了16.6%,分别为89.6%和71%。因此，所提出方法在不增加模型计算复杂度的同时，提升了压缩性骨折的算法精度，为实现准确的椎体压缩性骨折诊断提供了有效手段。