University of Veterinary Medicine Vienna Analyse der Treffsicherheit von Annotierungen zwei verschiedener Video-tracking Programme vorbestimmter Körperteile bei hospitalisierten Pferden Diplomarbeit - Veterinärmedizinische Universität Wien - 2024 Ziel dieser Arbeit ist es, die zwei Videotracking Programme „Coco Annotator“ und „Loopy“ auf ihre Treffgenauigkeit der Setzung vordefinierter Körperpunkte zu vergleichen. Der Einsatz an künstlicher Intelligenz wird in vielen Teilen der Veterinärmedizin bereits regelmäßig angewendet, Beispiele dafür sind die automatisierte Erkennung von Körperpositionen oder im Bereich des „Pain Scorings“. Für diese Diplomarbeit sind Videos von sechs hospitalisierten Pferden auf der Veterinärmedizinischen Universität Wien verwendet worden, die mithilfe eines Modells des jeweiligen Programms automatisch annotiert wurden. Nach Setzung der Körperpunkte durch KI-Modelle in den Videos, sind jeweils 2000 Bilder pro Pferd manuell überprüft worden und die Körperpunkte „Nase“, „Widerrist“, „Schweif“, „linke“ und „rechte Vorderextremität“ hinsichtlich mehrerer Kriterien überprüft worden. Die Punkte konnten dabei als „true positive“, „true negative“, „false positive“ und „false negative“ gelabelt werden. Die Auswertung der richtigen Bilder ergab eine höhere Trefferquote des Programms „Coco Annotator“ als bei „Loopy“, die Anzahl der falsch annotierten Bilder ist bei „Loopy“ höher gewesen. Die Bland-Altman Analyse ergab, dass es einen signifikanten Unterschied zwischen beiden Annotierungsprogrammen gibt. Die Beurteilung des Datenmaterials zeigte mehrere Limitationen hinsichtlich der Bildqualität und der Umgebung, manche Pferde erschwerten eine korrekte Annotation durch ihre Fellfarbe oder Abzeichen. Körperpunkte wie die „Nase“ oder der „Schweif“ wurden bei beiden Programmen besser annotiert als der Widerrist. „Coco Annotator“ zeigte über alle Körperpunkte hinweg eine höhere Trefferquote an richtig annotierten Bildern als „Loopy“ und hat bei dieser Studie im Rahmen der Diplomarbeit besser abgeschnitten. Diploma thesis - University of Veterinary Medicine Vienna - 2024 The aim of this thesis is to compare the accuracy of two video tracking programs, "Coco Annotator" and "Loopy," in placing predefined body points. Artificial intelligence is already regularly applied in various areas of veterinary medicine, such as automated recognition of body positions or pain scoring. For this thesis, videos of six hospitalized horses at the University of Veterinary Medicine Vienna were used. These videos were automatically annotated using a model from each program. After the body points were set by the AI models in the videos, 2,000 images per horse were manually reviewed, and the body points nose, withers, tail, left and right forelimbs were evaluated based on several criteria. The points could be labelled as "true positive", "true negative", "false positive" and “false negative". The evaluation of the correct images showed a higher hit rate for the "Coco Annotator" program compared to "Loopy", with the number of incorrectly annotated images being higher in "Loopy". The Bland-Altman analysis revealed a significant difference between the two annotation programs. The assessment of the data material revealed several limitations in terms of image quality and environment; some horses made accurate annotation more difficult due to their coat colour or markings. Body points such as the nose or tail were better annotated by both programs compared to the withers. Overall, "Coco Annotator" showed a higher hit rate for correctly annotated images across all body points than "Loopy" and performed better in this study within the framework of the thesis. https://phaidra.vetmeduni.ac.at/o:4539 de TEXT Diplomarbeit Diplomarbeit Tesi di diploma Text Diplomarbeit Text Diplomarbeit Testo Tesi di diploma 2024 2024 Alessandra Woppel Ulrike Auer Michael Iwersen Ulrike Auer