基于图像的 RA 炎症关节检测：面向小样本和不平衡数据的挑战
计算机视觉与模式识别
2026-02-17 v1 人工智能
摘要
风湿关节炎（RA）是一种以全身关节炎症为特征的自身免疫疾病。早期诊断和密集随访对于 RA 的管理至关重要，因为持续的炎症可导致不可逆的关节损伤。关节炎的检测对于诊断和疾病活动性评估至为重要；然而，患者往往需要很长时间才能获得适当的专科护理。因此，有迫切需要开发能够使用在家捕获的 RGB 图像轻松检测关节炎症的系统。因此，我们聚焦于从 RGB 手部图像中检测 RA 炎症。这一任务高度具有挑战性，主要源于医学影像中的通用问题，如正样本稀缺、数据不平衡以及任务本身的内在难度。然而，迄今为止尚无旨在明确解决 RGB 基于 RA 炎症检测这些挑战的工作。本文通过构建专门的数据集量化演示了视觉检测炎症的难度，并提出一种结合自监督预训练大规模健康手部图像和不平衡感知训练的炎症检测框架，用于从 RGB 手部图像中检测与 RA 相关的关节炎症。我们的实验表明，所提出的方法相较于基线模型在 F1 分数提升 0.2 分、Gmean 提升 0.25 分。
引用
@article{arxiv.2602.14365,
title = {Image-based Joint-level Detection for Inflammation in Rheumatoid Arthritis from Small and Imbalanced Data},
author = {Shun Kato and Yasushi Kondo and Shuntaro Saito and Yoshimitsu Aoki and Mariko Isogawa},
journal= {arXiv preprint arXiv:2602.14365},
year = {2026}
}