인공지능 보조 골절 부위 치료 시 골절 부위에는 일반적으로 출혈 등의 증상이 동반되며, 다양한 자세에서 촬영된 CT 영상에는 큰 차이가 있고, 골절 부위 크기가 다양하며 출혈 부위 및 주변 조직의 간섭으로 인해 골절 부위의 특징 추출이 충분하지 않고 골절 부위 검출 정확도가 높지 않은 문제가 있다. 이에 하악골 골절 부위를 검출하기 위해 3M-YOLOv5 네트워크를 설계하였다. 특징 추출 네트워크에는 밀집 모듈을 사용하여 밀집 연결 특성을 활용해 네트워크의 특징 추출 능력을 향상시켰고, CT 영상의 전역 정보를 추출하기 위해 국부-전역 주의 모듈을 도입하였으며, 적은 파라미터 수로 골절 부위의 다중 스케일 특징을 추출할 수 있는 경량 다중 스케일 밀집 블록을 구성하였다. 특징 강화 네트워크에는 높이, 너비, 채널 간 상호작용이 가능하도록 차원 간 양방향 특징 융합 모듈을 설계하고 다양한 스케일 특징 맵 융합의 중요성을 균형 있게 조절하기 위해 학습 가능한 가중치를 도입하였다. 3M-YOLOv5 네트워크의 효과를 검증하기 위해 자체 구축한 데이터셋에서 제거 실험 및 비교 실험을 수행하였다. 실험 결과 신뢰도 임계값 0.5에서 3M-YOLOv5 네트워크의 mAP, F1, 재현율, 정밀도는 각각 99.17%, 99.06%, 98.81%, 99.32%였다. 제안된 하악골 골절 CT 영상 검출 네트워크는 영상 내 골절 부위를 잘 검출하여 의사의 치료 계획 수립에 도움을 준다.

객체 검출;하악골 골절;YOLOv5;차원 간 주의;밀집 연결 신경망