计算机工程与应用

作者：郑道江, 邓超, 孙俊岭

单位：河南理工大学 物理与电子信息学院，河南 焦作 454000；

关键词：上肢骨骼X光图像,自适应下采样,特征聚合金字塔网络,轻量化检测头

基金：河南省科技攻关项目（242102210082）；2025年度河南省光电检测与传感集成工程技术研究中心开放课题（KF202502）；河南理工大学基本科研业务费基础研究项目（B类）（NSFRF230601，NSFRF240621）。

为了快速且准确地在上肢骨骼X光图像中判断骨折的发生，为医师提供上肢骨折检测辅助系统，提出一种改进YOLOv11n的上肢骨折X光图像检测算法。为实现轻量化目标的同时获取更丰富的特征信息，使用自适应下采样替换传统的Conv下采样操作，提高模型的检测精度；颈部引入特征聚合金字塔网络，将特征信息融合到各个检测尺度，丰富各个尺度的上下文信息，并设计Focus Feature模块对于不同尺度的特征信息进行融合，增强网络的特征融合能力；设计轻量化共享细节增强检测头，共享三个检测头的部分卷积来实现轻量化操作，使用组归一化替换检测头中的批归一化来提升检测头定位和分类的性能，并加入细节增强卷积增强网络的表征和泛化能力。实验结果表明，改进方法的mAP@0.5和mAP@0.5：0.95相较于YOLOv11n算法分别提升10.1和13个百分点，参数量仅有1.85×106，降低28.4%，验证了改进算法对于上肢骨折X光图像检测的有效性，同时其较小的参数量和计算量也更容易部署到边缘设备中，为上肢骨折的临床辅助诊断提供了轻量化解决方案。

来源：2026年第6期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第6期