计算机科学与探索

作者：魏宗月, 仇大伟, 刘静, 李振江, 常少华

单位：山东中医药大学 医学信息工程学院，济南 250355

关键词：深度学习,上肢骨折,卷积神经网络,计算机视觉（CV）

基金：国家自然科学基金面上项目（82174528）；山东省专业学位研究生教学案例库建设项目（SDYAL21054）；山东中医药大学青年科研创新团队项目（校科字〔2024〕1号）；山东中医药大学科学研究基金面上项目（KYZK2024M14）。

上肢骨折作为临床常见且复杂的创伤性骨折类型，其诊断准确性对患者的治疗和康复具有重要的意义。传统X射线（X-ray）诊断方法操作繁琐且耗时，难以满足现代医学对高效、精确诊断的需求。在此背景下，深度学习辅助上肢骨折诊断主要利用深度学习模型对医学影像进行分类、检测和分割，确定影像中是否存在异常，提高模型诊断的速度和准确性，同时也为医生提供了更有价值的辅助意见。为了更好地了解深度学习技术在上肢骨折诊断领域的研究现状和进展，详细介绍了几种常见的上肢骨折类型并对当前广泛使用公开的上肢骨折数据集进行了总结，对常用的评价指标进行了系统归纳，以便更好地理解模型在不同任务中的性能表现。深入分析了深度学习在图像分类、目标检测和图像分割三项计算机视觉（CV）任务中的应用进展，通过总结各算法的优化策略及其在骨折诊断中的具体应用，比较了各自的优势与局限性，并对深度学习模型的可解释性进行总结。从数据规模、使用方法、算法优缺点及实验结果等方面进行了全面对比，系统总结了当前上肢骨折诊断中面临的主要挑战，并对未来研究方向进行了展望。

来源：2025年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第9期