Analyse des Gangbildes bei Hunden mit Trägheitssensoren und Deep Learning für orthopädische und neurologische Erkrankungen

Warum der Gang Ihres Hundes wichtig ist

Viele Hundebesitzer merken, wenn ihr Tier zu hinken beginnt oder sich ungewöhnlich bewegt, aber selbst erfahrene Tierärzte tun sich manchmal schwer zu unterscheiden, ob die Ursache in schmerzenden Gelenken oder im Nervensystem liegt. Diese Studie untersucht eine neue Methode, den Gang eines Hundes über winzige Bewegungssensoren und moderne künstliche Intelligenz auszuwerten, mit dem Ziel, frühere und genauere Diagnosen zu ermöglichen und damit Behandlung und Lebensqualität zu verbessern.

Kleine Sensoren, großes Bild

Die Forschenden statteten Hunde mit münzgroßen Bewegungssensoren aus, ähnlich denen in Smartphones und Fitness-Trackern. Diese Geräte enthalten Beschleunigungssensoren und Gyroskope, die erfassen, wie sich der Körper des Hundes beim Gehen oder Traben dreidimensional bewegt. Anders als sperrige Laborausrüstung wie Krafplatten oder Kamerasysteme sind diese Sensoren kostengünstig, tragbar und komfortabel genug, damit Hunde sich natürlich bewegen. Das macht sie zu vielversprechenden Werkzeugen für den Alltag in Tierarztpraxen oder sogar zur Überwachung zu Hause.

Wie die Studie aufgebaut war

Das Team arbeitete mit 29 Hunden: 17 gesunden Tieren, sechs mit orthopädischen Problemen wie schmerzhaften Gliedmaßen und sechs mit neurologischen Störungen, die die Koordination beeinträchtigen. Jeder Hund lief mehrmals hin und her über eine kurze Indoor-Piste, teils in entspanntem Schritt, teils im schnelleren Trab, während er mit bis zu drei Sensoren am Kopf, am Hals (über ein Halsband) und im Schwanzbereich ausgestattet war. Dieser Aufbau erfasste insgesamt etwa drei Stunden detaillierter Bewegungsdaten. Die Wissenschaftler zerlegten die Aufzeichnungen dann in kurze Ausschnitte, damit Muster in jedem kurzen Bewegungssegment untersucht werden konnten.

Einem Computer das Lesen des Hundegangbildes beibringen

Anstatt Messgrößen manuell zu entwerfen—wie Schrittlänge oder wie stark sich der Rücken hebt—benutzten die Forschenden eine Deep-Learning-Methode, die es dem Computer erlaubt, Muster direkt aus den Rohsignalen der Sensoren zu entdecken. Ihr Modell, ein sogenanntes Convolutional Neural Network, verarbeitet sechs Datenströme (drei Beschleunigungsrichtungen und drei Rotationen) und leitet sie durch mehrere Schichten, die automatisch aussagekräftige Merkmale extrahieren. Am Ende ordnet das System jeden Bewegungsabschnitt einer von drei Kategorien zu: gesund, orthopädisch oder neurologisch. Dasselbe Netzwerk lässt sich auch für einfachere Aufgaben nutzen, etwa nur zu entscheiden, ob ein Hund gesund ist oder nicht.

Die beste Sensoranordnung finden

Ein zentrales Ziel war die Praktikabilität: Wie wenige Sensoren und welche Gangart sind nötig, um verlässliche Aussagen zu erhalten. Durch den Vergleich zahlreicher Kombinationen zeigte die Studie, dass ein einzelner Sensor am Hals oft ebenso gut abschneidet wie mehrere Sensoren, besonders beim Traben. Wurde der Computer an Ausschnitten getestet, die aus derselben Gruppe von Hunden stammten, die auch zum Training verwendet wurden, klassifizierte er gesunde, orthopädische und neurologische Gangbilder in etwa 96 Prozent der Fälle korrekt. Wurde er mit völlig neuen Hunden konfrontiert, sank die Genauigkeit—wie zu erwarten—blieb aber vielversprechend: etwa 85 Prozent zur Unterscheidung von gesund und nicht-gesund und rund 80 Prozent zur Unterscheidung aller drei Gruppen bei sorgfältig gewählten Setups.

Was das für Hunde und ihre Tierärzte bedeutet

Aus Sicht eines Laien zeigt diese Arbeit, dass allein die Aufzeichnung der Bewegung eines Hundes mit einem kleinen Halsbandsensor einem Computer genug Informationen liefern kann, um einzuschätzen, ob ein Hund wahrscheinlich gesund ist, ein Gelenk- oder Knochenproblem hat oder eine nervenbedingte Störung vorliegt. Das System soll einen Tierarzt nicht ersetzen, kann aber als objektive Hilfe dienen, die subtile Probleme früher erkennt, Zweitmeinungen unterstützt und den Bedarf an kostspieligen oder invasiven Tests reduziert. Mit größeren und vielfältigeren Datensätzen könnte derselbe Ansatz zu einem routinemäßigen Screening-Werkzeug werden—und so Tierärzten und Besitzern helfen, Gangstörungen früher zu erkennen und die Behandlung auf die spezifische zugrunde liegende Erkrankung jedes Hundes zuzuschneiden.

Zitation: Palez, N., Straß, L., Meller, S. et al. Canine gait analysis using inertial sensors and deep learning for orthopedic and neurological disorders. Sci Rep 16, 13966 (2026). https://doi.org/10.1038/s41598-026-40717-x

Schlüsselwörter: Gangbild von Hunden, tragbare Sensoren, Deep Learning, Lahmheit bei Hunden, veterinärmedizinische Diagnostik