一种儿童手腕骨折区域图像检测方法技术

本发明专利技术公开一种儿童手腕骨折区域图像检测方法，涉及计算机视觉领域。该方法构建了改进的YOLOv8模型，该改进的YOLOv8模型以YOLOv8网络为基础架构，在YOLOv8网络中Backbone结尾的SPPF模块前面加入动态调整空间感受野的LSKNet模块，在Backbone和Neck之间添加通道特征融合CFFNet模块，并在Head端将回归框损失函数替换为WIoU v3损失函数，在训练改进的YOLOv8模型后，获得最优的儿童手腕骨折检测模型，利用最优的儿童手腕骨折检测模型即可检测图像中的儿童手腕骨折区域。本发明专利技术能准确识别不同尺寸的骨折区域，提高了检测精度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特别是涉及一种儿童手腕骨折区域图像检测方法。

技术介绍

1、骨折是一个重要的全球公共卫生问题，极大地影响着人们的生活质量。x-ray、磁共振成像(magnetic resonance imaging，mri)和计算机断层扫描(computed tomography，ct)是用于骨折检测的三种常用设备。相比于其它两种设备x-ray成本比较低、操作简单且出片速度快，因而成为使用最广泛的骨折检测设备。目前，对x-ray图像的解读还是采用放射科医生和外科医生技术相结合的人工方式，但这需要该领域经过长期专业训练的放射科医生。根据调查，x-ray图像被误解的比例已经达到26％。另外，人工解读x-ray图像也是非常耗时的。

2、医院儿科经常会接到大量骨折病例，其中儿童手腕骨折占大多数。儿童还处在生长发育期，对手腕骨折的诊断会产生影响。文献“deeploc:deep learning-based bonepathology localization and classification inwrist x-ray”，(razan 本文档来自技高网...

【技术保护点】

1.一种儿童手腕骨折区域图像检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的儿童手腕骨折区域图像检测方法，其特征在于，所述动态调整空间感受野的LSKNet模块包括：依次连接的第一Conv2d层、第一BatchNorm2d层、第一GELU、LSKBlock模块和第二Conv2d层；

3.根据权利要求2所述的儿童手腕骨折区域图像检测方法，其特征在于，所述LSKBlock模块包括：大核卷积和空间核选择机制；

4.根据权利要求1所述的儿童手腕骨折区域图像检测方法，其特征在于，所述CFFNet模块包括依次连接的第二BatchNorm2d层、Ligh...

【技术特征摘要】

1.一种儿童手腕骨折区域图像检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的儿童手腕骨折区域图像检测方法，其特征在于，所述动态调整空间感受野的lsknet模块包括：依次连接的第一conv2d层、第一batchnorm2d层、第一gelu、lskblock模块和第二conv2d层；

3.根据权利要求2所述的儿童手腕骨折区域图像检测方法，其特征在于，所述lskblock模块包括：大核卷积和空间核选择机制；

4.根据权利要求1所述的儿童手腕骨折区域图像检测方法，其特征在于，所述cffnet模块包括依次连接的第二batchnorm2d层、lightconv模块、第二gelu和第三conv2d层；

5.根据权利要求4所述的儿童手腕骨折区域图像检测方法，其特征在于，所述lightconv模块包括：依次连接的第四conv2d、第三batchnorm2d层...

【专利技术属性】
技术研发人员：邓明森，陈旭，安冯竞，喻曦，陈建平，张帅，姚灵，
申请(专利权)人：贵州财经大学，
类型：发明
国别省市：