新闻网讯 6月22日，Neurocomputing刊发了机械学院机械电子信息工程系廖广兰教授、刘智勇副教授团队与同济医学院附属同济医院放射科副主任医师吴刚副教授团队的医工交叉领域合作新成果，题为“Rapid rib lesion diagnosis based on improved YOLOv8 and Bytetrack algorithms enhanced multi-planar reconstruction（基于改进YOLOv8和Bytetrack算法增强的多平面重建技术助力肋骨病变快速诊断）”。机械学院2022级本科生周悦、2024级硕士生卓华晟为共同第一作者，刘智勇、吴刚为共同通讯作者。

肋骨骨折是一种常见的创伤性损伤，由于可能并发气胸或器官损伤等并发症，其致残率和致死率较高。及时准确地识别骨折对于指导临床干预和改善患者预后至关重要。

本文提出了一种基于改进的YOLOv8和Bytetrack算法的增强型自动多平面重建方法，以提升肋骨定位的准确性和效率。基于最先进的YOLOv8架构，引入全局注意力机制（GAM）和卷积块注意力模块（CBAM）以增强解剖学关键区域的特征表示，随后与ByteTrack（一种最初为自主系统开发的健壮多目标跟踪算法）结合，建立连续肋骨跟踪管道。

(a)左侧肋骨追踪检测效果图和(b)右侧肋骨追踪检测效果图。(c)三维检测点可视化图和(d)与检测点对应的三维肋骨图

24例骨折肋骨横截面诊断结果与MPR的比较

横断面与MPR诊断结果的比较。同济医学院：（a）肋骨骨折诊断敏感性的比较，（b）肋骨骨折诊断准确性的比较。湖北中山医院：（c）肋骨骨折诊断敏感性的比较，（d）肋骨骨折诊断准确性的比较

综上所述，所提出的算法架构可提升低对比度区域中细微骨折模式的检测能力，相较于基线YOLOv8提升F1分数11.7%，并较手动工作流程缩短重建时间近70%，解决了手动多平面重建的劳动密集型特性及现有人工智能解决方案骨折检测敏感性不足的问题。这一技术突破在骨骼肌肉影像分析中填补了计算效率与诊断可靠性之间的关键差距。

周悦是机械学院2022级本科生（本硕博），大一期间就主动进入“微纳制造与医工交叉”团队参与科创工作。

论文链接：

https://doi.org/10.1016/j.neucom.2025.130842