Veteriner kırık tanısı: köpeklerin uzun kemik kırıkları için bir derin öğrenme modeli

Evcil hayvanlar ve sahipleri için neden önemli

Bir köpek aniden topallamaya başladığında, cevapları beklemek her dakika uzun gelir. Veteriner hekimler, kemiğin kırılıp kırılmadığını ve hasarın ne kadar ciddi olduğunu belirlemek için röntgen görüntülerine güvenirler, ancak bu görüntüleri okumak yavaş ve bazen belirsiz olabilir. Bu çalışma, örneklerden öğrenen bilgisayar programlarının veterinerlerin köpeklerdeki belirli bacak kırıklarını daha hızlı ve tutarlı bir şekilde tespit edip sınıflandırmasına nasıl yardımcı olabileceğini araştırıyor; bu da tedaviye daha hızlı rehberlik ve sahipler için huzur sağlayabilir.

Günlük veteriner uygulamalarında kırıklar

Köpeklerdeki kırıklar veteriner kliniklerinde sık görülen bir sorundur. Etkilenen hayvanlar ağrı, şişlik, ayağa kalkmada zorluk veya garip açıyla duran bir uzuv gösterebilir. Uyluk kemiği (femur) veya tibia gibi bacaklardaki uzun kemikler özellikle önemlidir çünkü köpeğin ağırlığını taşırlar. Bu kırıklar düz çizgilerden bükülmüş veya ezilmiş parçalara kadar çeşitli desenlerde olabilir ve veterinerler kırığın nerede olduğunu, parçaların nasıl konumlandığını ve eklemin dahil olup olmadığını değerlendirmelidir. Bunu doğru yapmak kritik öneme sahiptir çünkü basit dinlenme, ateller ya da karmaşık cerrahi arasında yapılacak seçimi belirler.

Akıllı yazılım röntgenleri nasıl okuyor

Yazarlar, standart köpek bacağı röntgen görüntülerine bakıp iki yaygın uzun kemik kırığı türü olan oblik ve overriding (örtüşen) arasından karar veren bir bilgisayar sistemi geliştirdiler. Sistemlerinin merkezinde ResNet50 olarak bilinen, görüntülerdeki ince desenleri yakalayabilen güçlü bir görüntü tanıma modeli vardır; bu bir derin öğrenme biçimidir. Performansını karşılaştırmak için birkaç başka yaygın kullanılan model de test edildi. Etiketlenmiş veteriner görüntüleri az olduğundan, röntgendeki sadece kırığın bulunduğu bölümü otomatik olarak izole eden bir adım eklediler; bu da modelin en çok önemli olana odaklanmasına yardımcı oldu.

Küçük bir görüntü koleksiyonundan en iyi şekilde yararlanmak

Bu çalışmada karşılaşılan zorluklardan biri, araştırmacıların yalnızca 44 uygun röntgen görüntüsüyle başlamış olmaları; bu, derin öğrenme sistemlerinin genellikle gerektirdiğinden çok daha azdır. Bunun üstesinden gelmek için her orijinal görüntünün kırık desenini koruyarak döndürme, yakınlaştırma ve hafif değişiklikler yaparak bilgisayarın birçok gerçekçi varyasyon oluşturduğu veri arttırma adı verilen bir strateji kullandılar. Ayrıca modelin bir türü tercih etmemesi için her kırık grubundaki görüntü sayısını dikkatle dengelediler. Veri kümesi daha sonra modelin daha önce görmediği görüntülerdeki performansı yansıtması için eğitim, doğrulama ve test setlerine bölündü.

Sistemin performansı nasıldı

Eğitimin ardından ResNet50 modeli test görüntülerinde neredeyse hiç yanlış sınıflandırma yapmadı. Doğruluğu yüzde yüze yakın oldu ve her kırık türünü doğru tanımlama ve doğru reddetme sıklığını yakalayan ilgili ölçümlerde çok yüksek puanlar aldı. Altı başka derin öğrenme modeliyle karşılaştırıldığında, ResNet50 sadece kırıkları daha doğru sınıflandırmakla kalmadı, aynı zamanda iki kategoriyi birçok test vakası boyunca ayırma konusunda güçlü bir yetenek gösterdi. Yazarlar ayrıca her modelin ne kadar hızlı çalıştığını ve ne kadar bilgisayar belleği kullandığını incelediler; ResNet50 hız, kaynak kullanımı ve güvenilirlik arasında elverişli bir denge kurdu.

Gelecek veteriner randevuları için ne anlama geliyor

Bu çalışma, dikkatle tasarlanmış öğrenme sistemlerinin veterinerlere röntgenlerdeki belirli köpek bacak kırıklarını yüksek tutarlılıkla vurgulayarak ve sınıflandırarak destek olabileceğini gösteriyor. Mevcut çalışma iki kırık türüne ve nispeten küçük bir görüntü setine odaklansa da, aynı yaklaşım daha karmaşık yaralanmalara ve daha geniş görüntü koleksiyonlarına genişletilebilir. Zamanla bu tür araçlar klinikte sessiz bir yardımcı rolü üstlenebilir; veterinerlere daha hızlı ikinci bir görüş sunarak tedavi planlamasına yardımcı olur ve yaralanmış köpeklere hızlı ve doğru bakım şansı verir.

Atıf: 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

Anahtar kelimeler: köpek kemik kırıkları, veteriner radyolojisi, derin öğrenme, röntgen görüntüleme, kırık tanısı