Enhanced YOLOv8-seg-SPDConv for accurate Schatzker classification of tibial plateau fractures

背景 胫骨平台骨折通常由直接或间接暴力所致，常导致内侧或外侧胫骨平台塌陷骨折。胫骨平台骨折的准确诊断与分型对于确定合适的治疗方案具有重要意义。然而，人工Schatzker分型存在较大的观察者间差异，尤其在低年资医师和非专科临床医生中更为明显，常导致在高通量急诊环境下准确率欠佳且决策时间延长。目的 本研究旨在开发并验证一种轻量级YOLOv8n-seg-SPDConv模型，利用552例独特患者的薄层轴位CT图像，对胫骨平台骨折进行联合实例分割与Schatzker分型。具体而言，通过整合空间到深度卷积（SPDConv）模块，我们力求在保留亚2 mm皮质中断的同时降低模型复杂度，并为其未来在资源受限平台上的部署提供可能。使用以资深骨科外科医生共识标准为基准的留出测试集，我们系统评估了模型的诊断性能、推理效率（226 FPS）以及通过梯度加权类激活映射（Grad-CAM）实现的可解释性，最终目标是将其作为一种可靠的实时临床辅助工具，在急诊和围手术期决策中支持而非取代临床医生。方法 自2017年10月至2026年1月，收集了包含552例独特患者轴位CT切片的 dataset。每张图像均根据Schatzker分型独立标注为六个临床相关类别。为防止数据泄漏，数据集划分严格在增强之前进行，采用8：2的患者层面拆分。采用YOLOv8n-seg网络进行联合分割与分类，并应用多种预处理技术以确保数据一致性并提升模型性能。结果 基线YOLOv8n-seg对Schatzker I–VI型的mAP50分别为0.941、0.956、0.861、0.818、0.916和0.869。改进后的YOLOv8n-seg-SPDConv对六个亚型的mAP50分别为0.928、0.952、0.929、0.859、0.925和0.893，总体mAP50从0.893提升至0.914。值得注意的是，所提出的模型将参数量从3.01 M降至2.64 M，FLOPs从8.1 G降至7.3 G，同时增