A New Machine Learning Dataset of Bulldog Nostril Images for Stenosis Degree Classification

本文介绍了一种犬种的构造特征——短头犬综合症，该特征会导致BOAS呼吸系统疾病，影响犬只的健康和福利，表现为多种症状。本文提出了一个新的注释数据集，包括190张英国斗牛犬鼻孔的图像，其中三个程度的狭窄大致相等：轻度、中度和重度狭窄。该数据集还包括少量的非狭窄鼻孔图像。据我们所知，这是第一个解决这个问题的图像数据集。此外，本文研究了深度学习作为使用鼻孔图像自动推断狭窄程度的替代方法。在这项工作中，测试了几个神经网络：ResNet50、MobileNetV3、DenseNet201、SwinV2和MaxViT。为了评估这个问题，将问题建模为两种不同的方式：首先，作为三类分类问题（轻度或开放、中度和重度）；其次，作为二进制分类问题，以严重狭窄为目标。对于多类分类，MobileNetV3实现了最大中位数f-score 53.77\%。对于二元分类，ResNet50实现了最大中位数f-score 72.08\%，表明这个问题具有挑战性但可能是可解的。

论文旨在解决短头犬种中BOAS呼吸障碍的问题，提出了一个新的数据集和使用深度学习自动推断狭窄程度的方案。

论文提出了使用深度学习对狭窄程度进行自动推断的方法，使用ResNet50、MobileNetV3、DenseNet201、SwinV2和MaxViT等多种神经网络进行了实验。

论文提出了一个新的数据集，包含190张短头犬鼻孔的图像，其中包括轻度、中度和严重狭窄程度的图像，同时也包含少量非狭窄图像。在多分类问题中，使用MobileNetV3达到了最高中位f-score 53.77%的效果；在二分类问题中，使用ResNet50达到了最高中位f-score 72.08%的效果。

在BOAS问题上，最近的相关研究包括“Canine brachycephalic airway syndrome: a review”和“Breathing problems in brachycephalic dogs”，等等。