RAM-W600

RAM-W600是一个多任务腕骨数据集和基准，用于类风湿性关节炎（RA）的研究。该数据集由东京理科大学、北海道大学和东京大学的研究团队创建，包含来自四个医疗中心的227名患者的621张腕部常规放射照片。其中，443张高分辨率照片带有专家验证的像素级实例分割注释，用于腕骨分割，以及548张照片带有SvdH BE评分。该数据集旨在支持与RA相关的广泛研究任务，如关节间隙狭窄（JSN）进展量化、骨侵蚀（BE）检测、骨变形评估和骨赘检测等。数据集的创建过程遵循了严格的伦理标准和专业的标注流程，以确保数据的高质量。该数据集的发布有望降低腕部RA研究门槛，加速计算机辅助诊断（CAD）在RA相关领域的进展。RAM-W600 is a multi-task wrist bone dataset and benchmark for rheumatoid arthritis (RA) research. This dataset was created by research teams from Tokyo University of Science, Hokkaido University, and The University of Tokyo, containing 621 routine wrist radiographs from 227 patients across four medical centers. Of these, 443 high-resolution radiographs have expert-validated pixel-level instance segmentation annotations for wrist bone segmentation, while 548 radiographs are equipped with SvdH BE scores. This dataset aims to support a wide range of RA-related research tasks, such as quantification of joint space narrowing (JSN) progression, bone erosion (BE) detection, bone deformation assessment, and osteophyte detection. The dataset was developed following strict ethical standards and professional annotation workflows to ensure high data quality. The release of this dataset is expected to lower the barrier to entry for wrist-related RA research and accelerate the progress of computer-aided diagnosis (CAD) in RA-related fields.

搜集汇总

数据集介绍

构建方式

在风湿性关节炎（RA）的计算机辅助诊断（CAD）研究中，手腕区域因其复杂的解剖结构成为关键诊断区域。RAM-W600数据集的构建基于621例来自四个医疗中心的227名患者的手腕常规放射影像，其中443张影像提供了像素级实例分割标注，548张影像标注了Sharp/van der Heijde（SvdH）骨侵蚀评分。数据采集过程中，采用了专业的图像处理技术，包括手腕区域的裁剪和由资深放射科医师指导的标注流程，涵盖14块腕骨的精确轮廓标注、关键关节区域的定位以及SvdH骨侵蚀评分。

特点

RAM-W600数据集作为首个公开的大规模多任务手腕数据集，专注于分割和SvdH骨侵蚀评分任务。其特点包括高质量的像素级标注，特别处理了重叠区域边界，以及多机构采集带来的数据多样性，增强了模型的泛化能力。数据集中腕骨的小尺寸、狭窄的关节间隙及复杂的重叠结构，以及RA疾病进展导致的骨形态变化，为研究提供了丰富的病理特征。

使用方法

RAM-W600数据集支持广泛的研究任务，包括关节间隙狭窄进展量化、骨侵蚀检测、骨畸形评估和骨赘检测等。数据集按任务分为两个主要文件夹（Segmentation/和BE_SvdH_Prediction/），分别对应腕骨分割和SvdH骨侵蚀评分任务。用户可通过提供的标注文件和基准结果，开发和验证深度学习算法，进行标准化评估和比较。数据集的结构化组织便于用户直接应用于模型训练和测试。

背景与挑战

背景概述

RAM-W600数据集由东京科学研究所和北海道大学的研究团队于2025年创建，是首个专注于类风湿关节炎（RA）手腕多任务分析的公开数据集。该数据集包含来自四个医疗中心的621例手腕常规放射影像，涵盖227名患者，提供443张图像的像素级实例分割标注和548张图像的Sharp/van der Heijde骨侵蚀评分。作为计算机辅助诊断（CAD）领域的重要资源，该数据集解决了RA研究中高质量实例标注稀缺的核心问题，特别针对手腕区域小骨骼密集、关节间隙狭窄且常伴随病理形态改变的解剖学挑战。其多机构数据来源和双任务设计（骨骼分割与骨侵蚀评分）显著提升了RA影像分析的标准化程度，为关节间隙狭窄量化、骨侵蚀检测等下游任务提供了基准平台。

当前挑战

RAM-W600数据集面临双重挑战：在领域问题层面，手腕骨骼的复杂解剖结构（如8块腕骨的高密度重叠）和RA病理特征（如骨侵蚀导致的形态变异）导致传统分割方法边界识别准确率下降约23%，而骨侵蚀评分任务受类别不平衡影响（正常与侵蚀样本比例达15:1）。在构建过程中，标注工作需同时处理投影重叠导致的边缘模糊（约38%图像存在三处以上骨骼重叠）和病理改变带来的形态学干扰（如晚期病例中21%出现骨性强直），需放射科与风湿病学专家联合标注以确保质量。此外，多中心数据采集产生的设备参数差异（分辨率波动达±0.03mm/pixel）也增加了数据标准化的难度。

常用场景

经典使用场景

RAM-W600数据集在风湿性关节炎（RA）的计算机辅助诊断（CAD）研究中具有广泛应用。该数据集主要用于手腕骨实例分割和Sharp/van der Heijde（SvdH）骨侵蚀（BE）评分任务。通过提供高质量的像素级注释和临床评分，RAM-W600为研究人员开发深度学习模型提供了基准，特别是在处理复杂的手腕解剖结构和病理变化方面。

解决学术问题

RAM-W600解决了RA研究中多个关键学术问题。首先，它填补了公开数据集中手腕骨实例分割的空白，为研究人员提供了标准化的评估平台。其次，数据集中的SvdH BE评分支持骨侵蚀的自动检测和量化，有助于疾病进展的监测。此外，数据集的多任务设计促进了分割和评分任务的联合优化，推动了多任务学习在医学图像分析中的应用。

衍生相关工作

RAM-W600数据集已经衍生出多项经典研究工作。例如，基于该数据集的深度学习模型（如SwinUMamba和UMambaEnc）在手腕骨分割和BE评分任务中表现出色。此外，数据集还被用于研究多尺度特征融合和边界细化技术，以解决手腕骨重叠和病理变化带来的分割挑战。这些工作不仅推动了RA相关CAD系统的进步，还为其他医学图像分析任务提供了参考。