A Deep Learning-Based Ensemble System for Automated Shoulder Fracture Detection in Clinical Radiographs
Created by
Haebom
저자
Hemanth Kumar M, Karthika M, Saianiruth M, Vasanthakumar Venugopal, Anandakumar D, Revathi Ezhumalai, Charulatha K, Kishore Kumar J, Dayana G, Kalyan Sivasailam, Bargava Subramanian
개요
본 논문은 응급 및 다량 환자 진료 환경에서 종종 진단이 놓치는 어깨 골절의 조기 진단을 돕기 위해 다중 모델 심층 학습 시스템을 개발했습니다. 10,000개의 주석이 달린 어깨 X선 사진을 사용하여 Faster R-CNN, EfficientDet, RF-DETR 등의 아키텍처를 기반으로 모델을 개발하고, Soft-NMS, WBF, NMW 융합과 같은 경계 상자 및 분류 수준 앙상블 기법을 적용했습니다. 그 결과 NMW 앙상블이 95.5%의 정확도와 0.9610의 F1 점수를 달성하여 모든 주요 지표에서 개별 모델을 능가했습니다. 이는 어깨 X선 사진에서 임상적 골절 감지를 위한 효과를 확인합니다. 본 연구의 모델은 신속한 선별 및 분류 지원을 위해 이진 골절 감지에만 국한되어 있습니다.
시사점, 한계점
•
시사점:
◦
앙상블 기반 AI가 어깨 X선 사진에서 골절을 높은 정확도로 신뢰할 수 있게 감지할 수 있음을 보여줌.
