Objektiv gangartsanalyse og halthetsutredning av islandshest

Icelandic horses are increasingly popular in Sweden and Norway. Their strength lies in their unique gaits, however, in lame horses this trait becomes a weakness. Evaluating not only lameness but also the leg of origin for lameness in any gait other than trot is exceptionally challenging. Today, we lack the most basic knowledge of how Icelandic horses move in the different gaits and how these gaits change in the event of lameness. Biomechanical research on lameness has excelled due to the use of automatic computerized sensor analysis. However, such analysis is currently limited to use during trot.The aim of this project is to study how Icelandic horses move in the different gaits; develop new algorithms for automatic classification and coding of these gaits; as well as identify sensitive symmetry variables to detect not only lameness but also origin of lameness in the different gaits. These findings can also be used to quantify gait traits for genetic studies as well as a breeding tool.

Islandshästar blir allt mer populära i Skandinavien. Deras unika gångarter gör dem mycket framgångsrika men gångarterna är också en svaghet, om de blir halta. Att utvärdera hälta och var hältan kommer ifrån är mycket svårt i andra gångarter än trav. Idag saknar vi den mest grundläggande kunskapen om hur islandshästar rör sig i de olika gångarterna och hur de förändrar sitt rörelsemönster när de blir halta. Den biomekaniska forskningen har kommit långt med att mäta hälta och automatisera dataanalysen för kliniskt bruk men dessa analyser förutsätter dock att hästen travar. Syftet med det här projektet är att studera hur islandshästar rör sig i de olika gångarterna, utveckla nya algoritmer för automatisk klassificering av gångarter samt identifiera känsliga symmetrivariabler för att detektera om hästen är halt samt var hältan kommer ifrån i de olika gångarterna. Kunskapen kan även användas för att kvantifiera gångartsegenskaper i genetiska studier samt i avelsarbetet.

Syftet med studien var att se hur islandshästar rör sig i olika gångarter, utveckla metoder för automatisk klassificering av gångarter och hälta i olika gångarter. Algoritmer utvecklades för identifiering av hovisättning och rörelsen hos 44 Islandshästar registrerades med IMU-sensorer i skritt, trav, tölt, galopp och pass. Avancerad dataanalys gjordes med hjälp av Al och med 98,9% säkerhet kunde gångarterna klassificeras korrekt. Huvudet, korsets och mankes rörelse i relation till benisättningen studerades hos 24 hästar. Huvudet och korset rör sig upp och ned två gånger under stegcykeln i alla gångarter utom galopp och lägsta position inträffade i mitten av belastningsfasen för alla gångarter utom för korsets i skritt. En lindrig hälta inducerades på 21 hästar och hästarnas rörelsemönster registrerades i skritt, trav och tölt. I trav kunde huvudets vertikala rörelse användas för att detektera en frambenshälta och korsets rörelse för en bakbenshälta men inte i tölt.

Islandshästar blir allt mer populära i Skandinavien. Deras unika gångarter gör dem mycket framgångsrika men gångarterna är också en svaghet, om de blir halta. Att utvärdera hälta och var hältan kommer ifrån är mycket svårt i andra gångarter än trav. Den biomekaniska forskningen har kommit långt med att mäta hälta och automatisera dataanalysen för kliniskt bruk men dessa analyser förutsätter dock att hästen travar. Syftet med det här projektet var att studera hur islandshästar rör sig i de olika gångarterna, utveckla nya algoritmer för automatisk klassificering av gångarter samt identifiera känsliga symmetrivariabler för att detektera om hästen är halt i de olika gångarterna. Kunskapen kan även användas för att kvantifiera prestation, och studera gångartsegenskaper i genetiska studier samt i avelsarbetet.

Metod
Studie 1
Del 1 genomfördes i Utrecht där algoritmer utvecklades för identifiering av hov-isättning och hov-upplyft med IMU-sensorer genom validering mot en kraftmätningsplatta.
Del 2 genomfördes på Island, Hólar Universitet, där 44 Islandshästar utrustades med 13 IMU-sensorer. Hästarnas rörelser registrerades i skritt och trav för hand samt under ridning i skritt, trav, tölt, galopp och för vissa av hästarna även i pass. Data analyserades med hjälp av algoritmerna som utvecklades i del 1 för att detektera isättning och upplyft av hovarna. Därefter kunde avancerade dataanalyser göras med hjälp av AI och forskare vid KTH för att få fram en automatiserad gångartsklassificering.

Av de 44 hästarna som deltog i studien valdes 24 friska hästar ut med ett symmetriskt rörelsemönster. Huvudet, korsets och mankes rörelse i relation till benisättningen studerades i skritt, trav, tölt, pass och galopp och jämfördes med rörelsen hos varmblodiga ridhästar.

Studie 2
Studien genomfördes på Island och en mild-måttlig fram eller bakbenshälta inducerades på 21 hästar och hästarnas rörelsemönster registrerades med IMU-sensorer när de skrittade och travade för hand samt reds i skritt, trav och tölt.
Därefter testades de utvecklade algoritmerna för gångartsklassificering och symmetrimätningar på 80 friska samt halta Islandshästar i Sverige med avseende på gångartklassificering samt rörelseasymmetri.
Resultat
Studie 1 Vinkelhastighet och accelerationsdata från IMU-sensorerna användes för att identifiera isättning respektive upplyft av hovarna. Med 98,9% säkerhet kunde sedan gångarterna hos Islandshästarna klassificeras med hjälp av data från IMU-sensorerna och avancerade AI-analyser.
Huvudet och korset rör sig upp och ned två gånger under varje stegcykel i alla gångarterna. Huvudets och korsets lägsta position inträffade vid mitten av belastningsfasen för alla gångarter utom för korsets rörelse i skritt.

Studie 2 I skritt och trav kunde huvudets vertikala rörelseasymmetri användas för att detektera en frambenshälta men inte i tölt. Korsets vertikala rörelse kunde användas för att detektera bakbenshälta i trav men inte i tölt och skritt.
Algoritmerna för gångartsklassificering samt symmetrimätningar i de olika gångarterna fungerade utmärkt och kunde klassificera gångarterna hos 80 Islandshästar och detektera rörelseasymmetrier/hälta hos majoriteten av hästarna. Det är dock oklart när en asymmetri är kopplad till smärta vilket kräver ytterligare studier. På en liten andel av hästarna genomfördes en hältutredning och rörelseanalyserna fungerade utmärkt.

Konklusion
Gångartsklassificering kan göras automatiskt hos hästar som rör sig i skritt, trav, galopp, tölt och pass. Huvudets och korsets lägsta position infaller mitt under belastningsfasen, där fram- respektive bakbenet bär som mest vikt i trav, tölt, pass men ej i skritt för korset. Det innebär att asymmetrier för huvudet eller korsets lägsta positioner är ett bra mått på en belastningshälta. När Islandshästen blir frambenshalt kan man titta på asymmetri i huvudets lägsta position för att detektera hälta i skritt och trav men inte i tölt. Vid bakbenshälta kan man se asymmetri i korsets vertikala rörelse i trav men inte i skritt och tölt.
Rekommendation
Vi har nu skapat grunderna för att göra objektiv gångartsklassificering av islandshästar som rör sig i andra gångarter än trav. Vi har också identifierat att de variabler som används för subjektiv och objektiv hältbedöming i trav inte kan appliceras i tölt. Då hältbedömning av Islandshästar är mycket svår kan objektiva hjälpmedel förbättra diagnostiken av ortopediska skador hos våra Islandshästar. Ytterligare bearbetning av data krävs för att hitta variabler som kan upptäcka fram- och bakbenshälta i tölt.