Segmenting anomalies in X-ray images of horse joints using machine learning

Abstract

Voorafgaand aan de verkoop van een paard vindt een inspectie plaats om inzicht te krijgen in de kwaliteit van de mogelijke prestaties. Het onderzoek gebeurt op vraag van de koper en is gestandaardiseerd. Onderdeel van de inspectie is het controleren van de gewrichten met behulp van röntgenopnames. Kleine afwijkingen rondom de gewrichten kunnen de prestaties van sportpaarden negatief beïnvloeden. Het detecteren van deze afwijkingen is een tijdsintensieve taak. Met behulp van machine learning wordt er getracht de werklast te verminderen.

Tenzij anders gevraagd door de koper, worden er tijdens de standaardinspectie röntgenopnames gemaakt van de voorvoeten, de 4 kogelgewrichten, de sprongen en de knieën. Bij ieder van deze opnames moet de arts de afbeeldingen nauwkeurig inspecteren. Door het missen van een afwijking zou de waarde van het paard te hoog worden geschat, wat negatief zou zijn voor de koper, en opdrachtgever, van de inspectie. Doordat de te detecteren afwijkingen zeer klein zijn is het simpelweg classificeren van of een gewricht abnormaal oogt niet voldoende. De werklast voor de arts wordt pas verlicht wanneer de posities van de afwijkingen accuraat kunnen worden gemeld.