AFE-YOLO：一种儿童手腕骨折图像检测算法

宋耀莲¹，黄涛¹，唐菁敏¹，赵宣植¹，虞贵财²

(1. 昆明理工大学 信息工程与自动化学院，昆明 650500；2. 青海民族大学 物理与电子信息工程学院，西宁 810007) 

摘要：为提升儿童手腕骨折检测精度、降低误检漏检，提出了一种基于YOLOv8的自适应特征增强算法AFE-YOLO。首先，在主干网络加入感受野注意力卷积以提升特征感知能力，使得模型能更好捕捉多尺度骨折特征并优化计算效率；其次，在颈部网络设计自适应混合特征增强模块，通过特征融合和语义表达增强对细粒度病灶区域的识别能力；最后，提出损失函数加权融合策略，结合二元交叉熵与焦点损失以缓解类别不均衡的问题，提升对难分类样本的敏感性。实验结果显示：AFE-YOLO在GRAZPEDWRI-DX数据集上相较于基准模型，平均精度与召回率分别提升了4.2和7.3百分点，同时降低计算开销。

关键词：骨折检测，YOLOv8，感受野，损失函数加权融合

扫二维码浏览全文 

Cite this article

Song, Y., Huang, T., Tang, J. et al. AFE-YOLO: An Image Detection Algorithm for Pediatric Wrist Fractures. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2879-4