类风湿关节炎自动化影像学Sharp总评分（ARTSS）：一种减少阅片者间与阅片者内差异并提升临床实践的解决方案
摘要
使用Sharp/Van Der Heijde总评分（Total Sharp Score, TSS）评估类风湿关节炎（rheumatoid arthritis, RA）的严重程度至关重要，但手动评分通常耗时且主观。本研究引入了一种自动化影像学Sharp评分（Automated Radiographic Sharp Scoring, ARTSS）框架，该框架利用深度学习分析全手X光图像，旨在减少观察者间和观察者内的变异性。该研究独特地适应了关节消失和图像序列长度可变的患者。我们使用来自970名患者的数据开发了ARTSS，分为四个阶段：I）使用ResNet50进行图像预处理和重新定向，II）使用UNet.3进行手部分割，III）使用YOLOv7进行关节识别，IV）使用VGG16、VGG19、ResNet50、DenseNet201、EfficientNetB0和Vision Transformer（ViT）等模型进行TSS预测。我们使用交并比（Intersection over Union, IoU）、平均精度均值（Mean Average Precision, MAP）、平均绝对误差（mean absolute error, MAE）、均方根误差（Root Mean Squared Error, RMSE）和Huber损失评估模型性能。两位放射科医生的平均TSS被用作真实值。模型训练采用3折交叉验证，每折包含452个训练样本和227个验证样本，外部测试包括291个未见过的受试者。我们的关节识别模型达到了99%的准确率。性能最佳的模型ViT在TSS预测中实现了0.87的极低Huber损失。我们的结果证明了深度学习在自动化RA评分方面的潜力，这可以显著提升临床应用。我们的方法解决了关节消失和关节数量不定的挑战，节省了时间，减少了阅片者间和阅片者内的变异，提高了放射科医生的准确性，并帮助风湿病学家做出更明智的决策。
引用
@article{arxiv.2509.06854,
title = {Automated Radiographic Total Sharp Score (ARTSS) in Rheumatoid Arthritis: A Solution to Reduce Inter-Intra Reader Variation and Enhancing Clinical Practice},
author = {Hajar Moradmand and Lei Ren},
journal= {arXiv preprint arXiv:2509.06854},
year = {2025}
}