使用惯性传感器与深度学习进行犬类步态分析以诊断骨科与神经系统疾病

为什么你家狗的步态很重要

许多狗主会注意到宠物开始跛行或动作异常，但即便是经验丰富的兽医也常难以区分问题源自疼痛的关节还是神经系统。这项研究探索了一种用微型运动传感器和现代人工智能解读狗步态的新方法，目标是实现更早、更准确的诊断，从而改善治疗效果和生活质量。

小传感器，大视角

研究人员为狗佩戴了硬币大小的运动传感器，类似于智能手机和健身追踪器中的设备。这些装置内含加速度计与陀螺仪，能捕捉狗在行走或小跑时身体在三维空间的运动。与笨重的实验室设备（如力板或摄像系统）不同，这些传感器价格低、便携且对狗的影响小，便于狗保持自然动作。因此它们有望成为兽医诊所日常使用或家庭监测的实用工具。

研究如何设计

团队研究了29只犬：17只健康犬，6只是有痛性肢体等骨科问题的犬，另6只是患有影响协调性的神经系统疾病的犬。每只狗在室内短跑道上来回行走，既有放松的步行也有较快的小跑，身上最多佩戴三枚传感器，放在头部、颈部（通过项圈）和尾部区域。该方案捕获了约三小时的详细运动数据。科学家随后将记录切分为短片段，以便对每个简短运动段的模式进行分析。

教计算机“读懂”狗的步态

研究人员没有手工设计诸如步长或背部抬升高度等测量指标，而是使用一种深度学习方法，让计算机直接从原始传感器信号中发现模式。他们的模型是一种卷积神经网络，输入为六路数据流（加速度在三个方向与旋转率在三个方向），并通过若干层自动提取有信息量的特征。最终，系统将每个短片段的运动归为三类之一：健康、骨科或神经性。相同网络也可以用于更简单的任务，例如仅判断狗是否健康。

找出最佳传感器配置

一个关键目标是实用性：需要尽可能少的传感器和哪种步态类型才能得到可靠结果。通过比较多种组合，研究发现颈部单一传感器在很多情况下的表现与多传感器相当，尤其是在小跑时。当计算机在来自已见过的同一组犬的片段上测试时，它对健康、骨科与神经性步态的正确分类率约为96%。在面临完全新犬只时，准确率有所下降——这在意料之中——但仍具前景：在精心选择的配置下，将健康与非健康犬区分的准确率约为85%，区分全部三类的准确率约为80%。

这对狗与兽医意味着什么

从外行角度看，这项工作表明仅用一个小型项圈传感器记录狗的运动，计算机就能获取足够信息来判断狗更可能是健康、有关节或骨骼问题，还是神经相关疾病。该系统并非要取代兽医，但可以作为一种客观辅助工具，及早标记微妙问题、支持第二意见并减少昂贵或侵入性检查的需要。随着更大、更具多样性的数据集的建立，同样的方法有望发展为常规筛查工具——帮助兽医和主人更早发现步态问题并根据每只狗的具体病因制定更为针对的治疗方案。

引用: 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

关键词: 犬类步态, 可穿戴传感器, 深度学习, 犬只跛行, 兽医诊断