人工知能支援による骨折部位の治療において、骨折部位には通常出血などの症状を伴い、異なる体位で撮影されたCT画像には大きな差異があり、骨折部位の大きさも様々であり、出血部位や周囲組織の干渉によって骨折部位の特徴抽出が十分でなく、骨折部位検出の精度が低い問題がある。そこで、下顎骨骨折部位を検出するために3M-YOLOv5ネットワークを設計した。特徴抽出ネットワークには密集モジュールを採用し、密集接続の特性を活用してネットワークの特徴抽出能力を向上させ、局所・全体注意モジュールを用いてCT画像の全体情報を抽出した。パラメータ数の少ない軽量多スケール密集ブロックを構築し、骨折部位の多スケール特徴を抽出した。特徴強化ネットワークには高さ、幅、チャネル間で相互作用が可能な次元間双方向特徴融合モジュールを設計し、異なるスケール特徴マップの融合の重要度をバランスさせるために学習可能な重みを導入した。3M-YOLOv5ネットワークの有効性を検証するために、自作データセット上でアブレーション実験および比較実験を行った。実験結果は信頼度閾値0.5において、3M-YOLOv5ネットワークのmAP値、F1値、再現率、精度がそれぞれ99.17%、99.06%、98.81%、99.32%であることを示した。提案する下顎骨骨折CT画像検出ネットワークは画像中の骨折部位を良好に検出でき、医師の治療計画立案を支援する。

物体検出;下顎骨骨折;YOLOv5;次元間注意;密集結合ニューラルネットワーク