Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

אבחון שברים וטרינרי: מודל למידת עומק לשברים בעצמות הארוכות של כלבים

· חזרה לאינדקס

מדוע זה חשוב לחיות המחמד ולבעליהן

כשכלב מתחיל לצלוע בפתאומיות, כל דקה של המתנה לתשובות נראית ארוכה. וטרינרים מסתמכים על צילומי רנטגן כדי להחליט האם העצם נשברה ומה חומרת הנזק, אך קריאת התמונות יכולה להיות איטית ולעתים לא חד־משמעית. המחקר הזה בוחן כיצד תוכנות שמעלות מסקנות על סמך דוגמאות יכולות לסייע לווטרינרים לזהות ולסווג שברים מסוימים ברגליים של כלבים במהירות ובעקביות גדולה יותר, ולהציע הדרכה מהירה יותר לטיפול ושלווה לבעלי בעלי החיים.

שברים בעבודה שגרתית של הווטרינר

שברים בכלבים הם בעיה שגרתית במרפאות וטרינריות. בעלי החיים הנגועים עשויים להציג כאב, נפיחות, קושי בעמידה או איבר בזווית חריגה. עצמות ארוכות ברגליים, כמו הירך (פמור) או השדה (טיביה), חשובות במיוחד שכן הן נושאות את משקל הכלב. השברים הללו מופיעים בדפוסים רבים, מקווים פשוטים וישרים ועד לקטעים מסתלסלים או מרוסקים, והווטרינרים חייבים לשפוט היכן השבר נמצא, כיצד החלקים מונחים והאם המפרק מעורב. קבלת ההערכה הנכונה קריטית כי היא משפיעה על הבחירה בין מנוחה פשוטה, גבסים או ניתוח מורכב.

איך תוכנה חכמה קוראת רנטגן

המחברים בנו מערכת מחשוב שבוחנת צילומי רנטגן סטנדרטיים של רגליים של כלבים ומחליטה בין שני סוגי שברים ארוכי־עצם נפוצים, הנקראים אלכסוני (oblique) והשתלבותי־העתק (overriding). הליבה של המערכת שלהם היא מודל עוצמתי לזיהוי תמונה הידוע כ־ResNet50, סוג של למידת עומק שיכול לזהות דפוסים דקים בתמונות. כדי להשוות את הביצועים שלו, הם גם בדקו מספר מודלים נפוצים אחרים. מאחר שקיימים מעט תמונות מסומנות וטרינריות, הוסיפו שלב אוטומטי שמבודד רק את החלק ברנטגן שמכיל את השבר, וכך עוזר למודל להתמקד במה שחשוב באמת.

Figure 1. ראייה ממוחשבת עוזרת לווטרינרים לזהות שברים ברגליים של כלבים בצילומי רנטגן לקבלת החלטות מהירות יותר.
Figure 1. ראייה ממוחשבת עוזרת לווטרינרים לזהות שברים ברגליים של כלבים בצילומי רנטגן לקבלת החלטות מהירות יותר.

להפיק את המירב מקולקציה קטנה של תמונות

אתגר אחד בעבודה זו הוא שהחוקרים התחילו רק עם 44 תמונות רנטגן מתאימות, הרבה פחות ממה שמערכות למידת עומק בדרך כלל דורשות. כדי לעקוף זאת השתמשו באסטרטגיה שנקראת הגדלת נתונים (data augmentation), שבה המחשב יוצר וריאציות ריאליסטיות רבות מכל תמונה מקורית על ידי סיבוב, זום ושינוי קל שלה תוך שמירה על דפוס השבר. הם גם איזנו בקפידה את מספר התמונות בכל קבוצת שברים כדי שהמודל לא יעדיף סוג אחד על פני האחר. מאגר הנתונים חולק לאחר מכן לסטי אימון, ולידציה ובחינה כך שהתוצאות הסופיות ישקפו ביצועים על תמונות שהמערכת לא ראתה קודם.

כמה טוב המערכת ביצעה

לאחר האימון, מודל ResNet50 כמעט ולא הטעה בסיווג שבר בתמונות המבחן. הוא הגיע לדיוק הקרוב ל־100 אחוז וניקוד גבוה מאוד במדדים קשורים שמראים עד כמה הוא מזהה נכון ודוחה נכון כל סוג שבר. בהשוואה לשישה מודלים נוספים של למידת עומק, ResNet50 לא רק סיווג שברים בצורה מדויקת יותר אלא גם הראה יכולת חזקה להפריד בין שתי הקטגוריות על פני מקרים רבים במבחן. המחברים בחנו בנוסף את מהירות הריצה של כל מודל וכמה זיכרון מחשב הוא צורך, ומצאו ש־ResNet50 מצא איזון מיטבי בין מהירות, שימוש במשאבים ואמינות.

Figure 2. בינה מלאכותית מעבדת צילומי רנטגן של כלבים בשלבים כדי למיין שברים לסוגים שונים.
Figure 2. בינה מלאכותית מעבדת צילומי רנטגן של כלבים בשלבים כדי למיין שברים לסוגים שונים.

מה זה אומר לביקורים וטרינריים בעתיד

המחקר מציע שמערכות למידה שעוצבו בקפידה יכולות לתמוך בווטרינרים על ידי הדגשה וסיווג של סוגים מסוימים של שברי רגליים בכלבים בצילומי רנטגן בעקביות גבוהה מאוד. בעוד שהעבודה הנוכחית מתמקדת בשני סוגי שברים ובמערך תמונות יחסית קטן, אותה גישה ניתנת להרחבה לפציעות מורכבות יותר ולקבוצות תמונות גדולות יותר. עם הזמן, כלים כאלה עשויים לשמש כעוזר שקט במרפאה, להציע חוות דעת שנייה מהירה שתעזור לווטרינרים לתכנן טיפול מוקדם יותר ותיתן לכלבים הפצועים סיכוי טוב יותר לטיפול מהיר ומדויק.

ציטוט: Saber, A.S., Selim, I., Askr, H. et al. Veterinary fracture diagnosis: a deep learning model for dogs long bone fractures. Sci Rep 16, 15098 (2026). https://doi.org/10.1038/s41598-026-50387-4

מילות מפתח: שברים בעצמות כלב, רדיותרפיה וטרינרית, למידת עומק, דימות רנטגן, אבחון שבר