
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于YOLO的X光骨折检测中CLAHE预处理与P2特征整合效果评估:FracAtlas数据集与单机构验证研究
《Scientific Reports》:Robustness evaluation of YOLO-based fracture detection in low-quality radiographs
【字体: 大 中 小 】 时间:2026年09月23日 来源:Scientific Reports 4.9
编辑推荐:
摘要在X光片上检测骨折仍然具有挑战性,因为低对比度、噪声、解剖重叠和投影可能会掩盖细微的异常。我们使用FracAtlas数据集,在基于YOLO的框架中评估了CLAHE预处理、输入分辨率和P2特征整合的效果。在单次运行的消融实验之后,进行了三种随机种子的稳健性分析、按尺寸分层的
在X光片上检测骨折仍然具有挑战性,因为低对比度、噪声、解剖重叠和投影可能会掩盖细微的异常。我们使用FracAtlas数据集,在基于YOLO的框架中评估了CLAHE预处理、输入分辨率和P2特征整合的效果。在单次运行的消融实验之后,进行了三种随机种子的稳健性分析、按尺寸分层的分析,以及针对在作者所在机构收集的993张髋部X光片的单机构评估。在匹配的单次运行头部消融实验中,CLAHE预处理后的YOLOv8m和YOLOv8m-P2在960 × 960像素分辨率下均实现了约0.68的mAP@0.5。在三个预设随机种子下,平均mAP@0.5分别为0.59 ± 0.03和0.58 ± 0.07,P2未显示出一致的优势。在最小的内部边界框四分位数中,召回率相同(0.40 ± 0.05)。固定的主要检查点在该机构队列中实现了0.72的mAP@0.5和0.73的召回率。然而,中位标准化目标区域面积比FracAtlas大约六倍,且两个队列在解剖范围、类别分布、采集方式和标注方面存在差异。这些发现具有队列特异性,并未证明泛化能力有所提高。P2未提供一致性的益处,而单次运行的CLAHE和分辨率相关发现仍属探索性。