Analys av hundens gång med inertialsensorer och djupinlärning för ortopediska och neurologiska störningar

Varför din hunds gång spelar roll

Många hundägare märker när deras djur börjar halta eller röra sig konstigt, men även skickliga veterinärer kan ha svårt att avgöra om problemet beror på ömma leder eller på nervsystemet. Denna studie undersöker ett nytt sätt att avläsa en hunds gång med små rörelsesensorer och modern artificiell intelligens, med målet att möjliggöra tidigare och mer precisa diagnoser som förbättrar behandling och livskvalitet.

Små sensorer, stor bild

Forskarna utrustade hundar med myntstora rörelsesensorer, liknande dem som finns i mobiltelefoner och aktivitetsarmband. Dessa enheter innehåller accelerometrar och gyroskop som fångar hur hundens kropp rör sig i tre dimensioner när den går eller travar. Till skillnad från skrymmande labbutrustning som kraftplattor eller kamerasystem är dessa sensorer billiga, portabla och tillräckligt bekväma för att hundarna ska röra sig naturligt. Det gör dem lovande som verktyg för vardagligt bruk i veterinärkliniker eller till och med för övervakning i hemmet.

Hur studien var upplagd

Teamet arbetade med 29 hundar: 17 friska djur, sex med ortopediska problem som smärtsamma lemmar, och sex med neurologiska tillstånd som påverkar koordinationen. Varje hund gick fram och tillbaka längs en kort inomhusbana, ibland i lugnt tempo och ibland i snabbare trav, medan den bar upp till tre sensorer på huvud, nacke (via halsband) och svansregion. Denna uppställning fångade ungefär tre timmars detaljerade rörelsedata. Forskarna delade sedan upp inspelningarna i korta utdrag så att mönster i varje kort segment av rörelse kunde undersökas.

Att lära en dator läsa en hunds gång

I stället för att manuellt konstruera mätvärden—som steglängd eller hur högt ryggen rör sig—använde forskarna en djupinlärningsmetod som låter en dator upptäcka mönster direkt från de råa sensorsignalerna. Deras modell, känd som ett konvolutionellt neuralt nätverk, tar in sex datakanaler (tre accelerationsriktningar och tre rotationskomponenter) och passerar dem genom flera lager som automatiskt extraherar informativa egenskaper. I slutändan tilldelar systemet varje rörelseutdrag till en av tre kategorier: frisk, ortopedisk eller neurologisk. Samma nätverk kan också användas i enklare uppgifter, till exempel att bara avgöra om en hund är frisk eller inte.

Att hitta bästa sensorsättningen

Ett centralt mål var praktisk användbarhet: hur få sensorer och vilken gångtyp som krävs för att få tillförlitliga svar. Genom att jämföra många kombinationer fann studien att en enda sensor på nacken ofta presterade lika bra som flera sensorer, särskilt under trav. När datorn testades på utdrag hämtade från samma grupp hundar som den redan sett, etiketterade den korrekt friska, ortopediska och neurologiska gångmönster i ungefär 96 procent av fallen. När den utmanades med helt nya hundar sjönk noggrannheten—som väntat—men förblev lovande: cirka 85 procent för att skilja friska från icke-friska djur och 80 procent för att skilja alla tre grupper när noggrant valda uppsättningar användes.

Vad detta betyder för hundar och deras veterinärer

Ur ett lekmannaperspektiv visar arbetet att det enkelt inspelat hur en hund rör sig med en liten halsbandssensor kan ge en dator tillräcklig information för att ange om hunden sannolikt är frisk, har ett led- eller bensproblem eller har ett nervrelaterat besvär. Systemet är inte tänkt att ersätta en veterinär, men det kan fungera som ett objektivt stöd som upptäcker subtila problem tidigare, underlättar för andra utlåtanden och minskar behovet av kostsamma eller invasiva tester. Med större och mer varierade datamängder skulle samma angreppssätt kunna utvecklas till ett rutinmässigt screeningverktyg—hjälpa veterinärer och ägare att upptäcka gångproblem tidigare och anpassa behandling efter varje hunds specifika underliggande tillstånd.

Citering: 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

Nyckelord: hundgång, bärbara sensorer, djupinlärning, halt hos hundar, veterinärdiagnostik