增强犬类肌肉骨骼诊断：利用合成图像数据对视觉文档进行AI模型预训练

在兽医实践中，检查犬类的肌肉骨骼系统是一项具有挑战性的任务。在这项工作中，开发了一种新方法，能够通过视觉表示对犬类状况进行高效记录。然而，由于视觉文档是新颖的，因此没有现有的训练数据。因此，这项工作的目的是减轻数据稀缺的影响，以开发基于人工智能的诊断支持系统。为此，我们研究了合成数据的潜力，这些数据模拟了真实的疾病视觉文档，用于预训练AI模型。我们提出了一种生成合成图像数据的方法，该方法模拟了真实的视觉文档。首先，生成了一个包含三个不同类别的基础数据集，随后创建了一个包含36个不同类别的更复杂数据集。这两个数据集都用于AI模型的预训练。随后，创建了一个评估数据集，包含针对五种不同疾病的250份手动创建的视觉文档。该数据集连同包含25个示例的子集一起使用。在包含25个示例的评估数据集上获得的结果表明，当利用模拟真实世界视觉文档的生成合成图像时，诊断准确率显著提高了约10%。然而，这些结果对于包含250个示例的较大评估数据集并不成立，这表明使用合成数据预训练AI模型的优势主要在给定疾病的视觉文档示例较少时才会显现。总体而言，这项工作提供了有价值的见解，即通过策略性地使用生成的合成数据来减轻有限训练数据带来的限制，并提出了一种超越犬类肌肉骨骼评估领域的方法。