
摘要
YOLOv9,即“你只看一次”(You Only Look Once, YOLO)系列的最新版本,已广泛应用于各种场景中。本文首次将YOLOv9算法模型应用于骨折检测任务,作为计算机辅助诊断(CAD)系统,以帮助放射科医生和外科医生解读X射线图像。具体而言,本文在GRAZPEDWRI-DX数据集上训练了该模型,并通过数据增强技术扩展了训练集,以提高模型性能。实验结果表明,与当前最先进(SOTA)模型的mAP 50-95值相比,YOLOv9模型将该值从42.16%提升至43.73%,提高了3.7%。该实现代码已在https://github.com/RuiyangJu/YOLOv9-Fracture-Detection公开发布。
代码仓库
ruiyangju/yolov9-fracture-detection
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| fracture-detection-on-grazpedwri-dx | YOLOv9-C | AP50: 65.31 F1-score: 0.64 |
| fracture-detection-on-grazpedwri-dx | YOLOv9-E | AP50: 65.46 F1-score: 0.64 |