Diagnosis of canine hip dysplasia using deep learning

Abstract

Hofteleddsdysplasi (HD) hos hund er en arvelig sykdom kjennetegnet av unormal utvikling av hofteleddet. Sykdommen diagnostiseres på en skala fra A til E, der hofteledd med diagnoser A og B betraktes som normale, mens ledd med diagnoser C, D og E anses som unormale. HD er vanlig hos større hunderaser og kan forårsake haltethet, videre avl på hunder med sterk grad av dysplasi kan derfor anses som et brudd på dyrevelferdsloven. Som et forebyggende tiltak har Norsk Kennel Klub (NKK) et screeningprogram der omtrent 8 000 tilfeller blir diagnostisert hvert år. Bruk av maskinlæring har blitt mer og mer vanlig innen helsesektoren og har vist seg å være effektiv som diagnostisk verktøy. I denne masteroppgaven ble muligheten for å bruke konvolusjonelle nevrale nettverk (CNNs) for å diagnostisere hofteleddsdysplasi hos hunder fra røngtenbilder undersøkt.

Totalt 5 250 bilder fra en større datasett fra NKK ble brukt i en trenings-, validerings- og testinndeling med forholdet 3:1:1 for å trene modeller med ulike konfigurasjoner av EfficientNet-familien. Modellen med den høyeste ytelsen for binær klassifisering av normale hofteledd fra unormale oppnådde AUC-, ACC-, MCC- og F1-score på henholdsvis 0,964, 0,891, 0,780 og 0,903. Multiklassede modeller trent til å klassifisere bildene med de fem diagnosene A-E oppnådde AUC-, ACC- og MCC-score på henholdsvis 0,913, 0,864 og 0,568. Disse resultatene er sammenlignbare med tidligere studier der maskinlæring ble brukt til bildeklassifisering innen helsesektoren.

Under analysen av de feilklassifiserte bildene fra begge modellene ble det oppdaget at noen av de feilklassifiserte bildene ikke nøyaktig representerte diagnosen de var merket med. Etter en grundigere gjennomgang av datasettet ble noen av bildene ansett som uegnet for maskinlæring på grunn av feil hundeposisjonering eller andre problemer. Inkluderingen av disse bildene har muligens påvirket modellens ytelse negativt. En grundigere undersøkelse av de feilklassifiserte bildene bør gjennomføres for å gjøre modellen mer robust.

Canine hip dysplasia (HD) is a hereditary disease characterized by abnormal hip joint development. The disease is diagnosed using a sliding scale from A to E. Hip joints with diagnoses A and B are considered normal, while joints with diagnoses C, D, and E are abnormal. HD is commonly found in larger dog breeds and could cause lameness. The continued breeding of dogs with a strong degree of dysplasia could, therefore, be considered a violation of the Animal Welfare Act. As a preventative measure, the Norwegian Kennel Club (NKK) has established a screening program where approximately 8,000 cases are diagnosed annually. Machine learning has become more prevalent in the medical field and has shown to be effective as a diagnostic tool. This thesis investigated the possibility of using Convolutional Neural Networks (CNNs) to diagnose canine hip dysplasia using hip-extended radiography.

A total of 5,250 images from a larger data set provided by NKK were used in a train, validation, and test split using the proportion 3:1:1 to train models with different configurations of the EfficientNet family. The highest-performing model used for binary classification distinguishing normal hip joints from abnormal ones achieved AUC-, ACC, MCC, and F1—scores of 0.964, 0.891, 0.780, and 0.903, respectively. Multiclass models trained to classify the images with the five diagnoses A-E achieved AUC, ACC, and MCC scores of 0.913, 0.864, and 0.568, respectively. These results are comparable to other studies where machine learning was used for image classification in the medical field.

While analyzing the misclassified images from both models, it was discovered that some misclassified images did not accurately represent the diagnosis they were labeled with. After a more extensive review of the data set, some images were deemed unsuitable for machine learning due to incorrect dog positioning or other issues. The inclusion of these images has possibly negatively affected the model's performance. A more comprehensive exploration of the incorrect predictions could make the model more robust.