Intelligent Cervical Spine Fracture Detection Using Deep Learning Methods

颈椎骨折是一种危急的医疗急救情况，如果不及时治疗或检测可能导致终身瘫痪甚至死亡。如果不进行干预，这些骨折会随着时间的推移而恶化。为了解决缺乏关于深度学习技术在脊柱骨折检测实际应用方面的研究，本研究利用包含颈椎骨折和非骨折计算机断层扫描图像的数据集。本文介绍了一个两阶段的流程，旨在识别每个图像切片中颈椎的存在并确定骨折的位置。在第一阶段，使用图像和图像元数据的多输入网络进行训练。该网络基于全局上下文视觉变换器，并与流行的深度学习图像分类模型进行基准测试。在第二阶段，训练了一个YOLOv8模型来检测图像中的骨折，并将其效果与YOLOv5进行比较。所得结果表明，所提出的算法显著减轻了放射科医生的工作量，并增强了骨折检测的准确性。

论文旨在利用深度学习技术检测颈椎骨折，以解决此类骨折的紧急性和危险性问题。此外，该论文还试图填补关于深度学习在骨折检测方面的研究空缺。

该论文提出了一个两阶段的检测流程，结合了图像和元数据的多输入网络和YOLOv8模型，能够准确快速地检测颈椎骨折。同时，该论文还使用了Global Context Vision Transformer模型，相比于其他深度学习模型，提高了检测的准确性。

该论文使用了包含颈椎骨折和非骨折图像的数据集，并且开源了代码。实验结果表明，该算法能够显著减轻放射科医生的工作负担，并提高骨折检测的准确性。此外，该论文还提出了一种新的检测流程，值得进一步研究。

近期其他相关论文： 1. 'Automated Detection of Cervical Spine Fractures on Computed Tomography Using Deep Learning' by Y. Liu et al. from Stanford University 2. 'Deep Learning for Automated Detection of Cervical Spine Fractures on CT: A Review' by J. Kim et al. from Seoul National University Hospital 3. 'Deep Learning for Detection of Cervical Spine Fractures: A Systematic Review' by S. D. Li et al. from the University of Toronto