RAM-H1200-v1

RAM-H1200是一个针对类风湿性关节炎（RA）相关图像分析的多任务全手部放射影像数据集。该数据集旨在支持多种临床相关的计算机视觉任务，包括手部骨骼结构分割、与骨侵蚀相关的分割、用于Sharp/van der Heijde（SvdH）评分的关节定位、关节级SvdH骨侵蚀（BE）评分以及关节级SvdH关节间隙狭窄（JSN）评分。数据集包含BMP格式的全手部放射影像、用于分割和关节检测的COCO格式注释、用于评分任务的关节级ROI裁剪以及研究级元数据。数据集结构分为分割、SvdH BE评分和SvdH JSN评分三个主要部分，每个部分包含训练、验证和测试集。数据集适用于RA严重程度自动评估、多任务医学图像分析、肌肉骨骼结构分割、关节级放射学评分以及RA相关放射影像分析的AI系统基准测试等研究场景。数据集采用Creative Commons Attribution 4.0 International (CC BY 4.0)许可。

RAM-H1200 is a multi-task full-hand radiographic imaging dataset for rheumatoid arthritis (RA)-related image analysis. This dataset is designed to support a variety of clinically relevant computer vision tasks, including hand bone structure segmentation, bone erosion-related segmentation, joint localization for Sharp/van der Heijde (SvdH) scoring, joint-level SvdH bone erosion (BE) scoring, and joint-level SvdH joint space narrowing (JSN) scoring. The dataset contains full-hand radiographic images in BMP format, COCO-format annotations for segmentation and joint detection, joint-level ROI crops for scoring tasks, and research-grade metadata. The dataset structure is divided into three main sections: segmentation, SvdH BE scoring, and SvdH JSN scoring, each containing training, validation, and test splits. This dataset is suitable for research scenarios such as automatic RA severity assessment, multi-task medical image analysis, musculoskeletal structure segmentation, joint-level radiographic scoring, and benchmarking AI systems for RA-related radiographic image analysis. The dataset is licensed under Creative Commons Attribution 4.0 International (CC BY 4.0).

原始信息汇总

RAM-H1200 数据集概述

基本信息

• 数据集名称: RAM-H1200
• 语言: 英语
• 许可证: Creative Commons Attribution 4.0 International (CC BY 4.0)
• 数据规模: 1,000 < n < 10,000
• 任务类型: 图像分割、图像分类（语义分割、实例分割、多类别分类）
• 标签: 医学、放射摄影、X光、类风湿性关节炎、肌肉骨骼、SvdH、骨骼分割、关节定位、骨侵蚀、JSN

数据集简介

RAM-H1200 是一个用于类风湿性关节炎（RA）相关图像分析的多任务全手放射影像数据集。支持多项临床相关的计算机视觉任务，包括：

• 手部骨骼结构分割
• 骨侵蚀相关分割
• 用于 Sharp/van der Heijde (SvdH) 评分的关节定位
• 关节级 SvdH 骨侵蚀（BE）评分
• 关节级 SvdH 关节间隙狭窄（JSN）评分

数据集包含 BMP 格式的全手放射影像、用于分割和关节检测的 COCO 格式标注、用于评分任务的关节级 ROI 裁剪图以及研究级元数据。

数据集结构

RAM-H1200-v1/ |-- Segmentation/ | |-- train/ (包含 BMP 图像和 COCO 标注文件) | |-- val/ (包含 BMP 图像和 COCO 标注文件) | |-- test/ (包含 BMP 图像和 COCO 标注文件) |-- SvdH_Scoring/ | |-- SvdH_BE_Scoring/ | | |-- train/ (包含 ROI 图像、COCO 检测标注和评分文件) | | |-- val/ (包含 ROI 图像、COCO 检测标注和评分文件) | | |-- test/ (包含 ROI 图像、COCO 检测标注和评分文件) | |-- SvdH_JSN_Scoring/ | | |-- train/ (包含 ROI 图像、COCO 检测标注和评分文件) | | |-- val/ (包含 ROI 图像、COCO 检测标注和评分文件) | | |-- test/ (包含 ROI 图像、COCO 检测标注和评分文件) |-- Metadata.xlsx

数据组织详情

1. 分割（Segmentation）

• 目录包含全手 BMP 格式放射影像，分为 train、val、test 子集。
• 文件名示例：JP_HMCRD_P0001_20210203_6791_L.bmp，编码国家/地区、采集中心、匿名患者ID、研究日期、图像ID和左右手信息。
• 每个子集包含两个 COCO 格式标注文件：
  • _annotations_bone_rle.coco.json：骨骼分割标注（COCO RLE 编码），类别包括：Capitate、Hamate、Lunate、Scaphoid、Trapezium、Trapezoid、Radius、Ulna、MC1-MC5、PP1-PP5、DP1-DP5 等。
  • _annotations_be_rle.coco.json：骨侵蚀相关分割标注，类别包括：Non-SvdH-BE、SvdH-BE-50、SvdH-BE-90。

2. SvdH 骨侵蚀（BE）评分

• 目录包含用于骨侵蚀评分的 ROI 裁剪图。每个病例存放在以病例ID命名的文件夹中。
• 典型病例文件夹包含 16 个 ROI 图像，对应关节包括：CMC-T、IP、L、Tm、R、U、MCP-T、MCP-I、MCP-M、MCP-R、MCP-S、PIP-I、PIP-M、PIP-R、PIP-S。
• 每个子集包含：
  • _annotations_be_joint_detection.coco.json：BE 关节检测标注（COCO 格式），类别包括 16 个关节区域。
  • _annotation_be_scores.json：关节级 BE 评分标签，以完整图像文件名索引，评分示例：{"BE_MCP-T": 0, "BE_MCP-I": 1, ...}。

3. SvdH 关节间隙狭窄（JSN）评分

• 目录包含用于关节间隙狭窄评分的 ROI 裁剪图。典型病例文件夹包含 15 个 ROI 图像，对应关节包括：CMC-M、CMC-R、CMC-S、SC、SR、STT、MCP-T、MCP-I、MCP-M、MCP-R、MCP-S、PIP-I、PIP-M、PIP-R、PIP-S。
• 每个子集包含：
  • _annotations_jsn_joint_detection.coco.json：JSN 关节检测标注（COCO 格式），类别包括 15 个关节区域。
  • _annotation_jsn_scores.json：关节级 JSN 评分标签，以完整图像文件名索引，评分示例：{"JSN_MCP-T": 2, "JSN_MCP-I": 0, ...}。

元数据

• 文件：Metadata.xlsx，包含研究级元数据。
• 关键列：Mapped Image Stem、StudyID、Normalized PatientID、isRA、Sex、Age、Center、PixelSpacing、ImageSize、LR。

数据划分

数据集预先划分为三个子集：

• train：训练集
• val：验证集
• test：测试集

这些划分在分割、BE 评分和 JSN 评分任务中保持一致。

支持的任务与应用

支持的研究任务

• 分割：全手放射影像骨骼分割、骨侵蚀相关分割
• 检测/定位：BE 相关区域关节定位、JSN 相关区域关节定位
• 分类/评分：关节级 SvdH BE 评分预测、关节级 SvdH JSN 评分预测

潜在应用场景

• 自动化 RA 严重程度评估
• 多任务医学图像分析
• 肌肉骨骼结构分割
• 关节级放射影像评分
• RA 相关放射影像分析的 AI 系统基准测试

预期用途

• 类风湿性关节炎放射影像分析研究
• 结构性损伤的自动评分
• 医学图像分割
• 关节定位与 ROI 提取
• 手部放射影像的多任务学习

非预期用途

• 未经独立验证直接用于临床部署
• 独立的医疗决策
• 患者重新识别
• 未核实数据集许可证和伦理批准的商业研究

来源与敏感信息

• 数据来源：来自多个采集中心的匿名化全手放射影像及衍生标注。
• 敏感信息：使用匿名化患者和研究ID，元数据仅限于与研究相关的信息和人口统计学信息，不包含直接个人身份标识。

偏见、风险与局限性

• 数据集可能反映特定中心的采集方案和患者群体。
• 标注质量取决于专家标注的一致性和任务定义的清晰度。
• 某些解剖区域或评分等级可能存在不平衡。
• 基于该数据集训练的模型可能无法推广至其他机构、扫描仪或人群。
• 数据集仅用于研究目的，不适用于直接临床诊断或治疗规划。

联系方式

• 联系人：Songxiao Yang, Yafei Ou
• 邮箱：syang(at)ok.sc.e.titech.ac.jp, yafei.ou(at)riken.jp
• 主页：https://yafeiou.github.io/RAM10K

引用

如需引用，请使用以下 BibTeX 条目：

bibtex @misc{yang2026ramh1200, title={RAM-H1200: A Unified Evaluation and Dataset on Hand Radiographs for Rheumatoid Arthritis}, author={Songxiao Yang and Haolin Wang and Yao Fu and Junmu Peng and Lin Fan and Hongruixuan Chen and Jian Song and Masayuki Ikebe and Shinya Takamaeda-Yamazaki and Masatoshi Okutomi and Tamotsu Kamishima and Yafei Ou}, year={2026}, eprint={2605.05616}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2605.05616} }

搜集汇总

数据集介绍

构建方式

RAM-H1200-v1是一个面向类风湿关节炎（RA）影像分析的多任务全手X光数据集。其构建基于来自多个医疗中心的匿名化手部X光图像，并通过严格的临床标注流程生成多层次注释。数据集的核心构建包含两个模块：其一为分割任务，涵盖手骨结构与骨侵蚀相关区域的掩膜注释，所有掩膜以COCO格式的RLE编码存储，并预先划分好训练、验证和测试集；其二为基于Sharp/van der Heijde评分系统的关节级评分任务，包括骨侵蚀和关节间隙狭窄两类评分。每个评分任务均提供按病例组织的关节区域兴趣区裁剪图像以及对应的关节定位标注和评分标签。数据集还提供包含人口统计学信息、成像参数等的元数据表格。

使用方法

根据任务需求，使用者可选择不同的数据加载策略。对于分割或检测任务，可直接读取BMP格式的全手X光图像，并配合对应目录下的COCO JSON标注文件进行解析，使用json.load()加载后即可获取图像列表、标注信息和类别定义。对于骨侵蚀或关节间隙狭窄的评分任务，需加载每个病例文件夹中的兴趣区裁剪图像，并读取相应的评分JSON文件，评分数据以全手图像文件名为索引，包含各关节的评分标签。元数据可通过读取Metadata.xlsx表格进行人群分析与研究分层。研究者在自定义训练循环中可根据任务类型灵活组合这些模块，适合进行联合学习或多任务基准测试。

背景与挑战

背景概述

RAM-H1200数据集由东京工业大学、理化学研究所等机构的研究人员于2026年发布，旨在应对类风湿性关节炎（RA）影像分析中的多任务挑战。该数据集聚焦于手部X光片，支持骨结构分割、骨侵蚀相关分割、关节定位以及Sharp/van der Heijde（SvdH）评分等临床关键任务。通过整合来自多中心的匿名影像和专家标注，RAM-H1200为RA的结构性损伤评估提供了统一的基准平台，推动了医学图像分析领域在自动化评分与多任务学习方向的发展，对提升RA诊断的客观性和效率具有重要影响。

当前挑战

该数据集面临的挑战主要体现在两方面。首先，RA影像分析领域存在骨侵蚀与关节间隙狭窄的定量评估困难，传统人工评分耗时且主观性强，而现有数据集多集中于单一任务，难以支持联合分析。其次，构建过程中需应对多中心采集协议差异导致的图像非均匀性、专家标注一致性的保障、以及骨侵蚀评分类别的类别不平衡问题（如SvdH-BE-90样本稀少），同时还需在COCO格式中协调分割、检测与分类任务的异构标注结构，增加了数据整合与模型泛化的复杂性。

常用场景

经典使用场景

在医学影像分析领域，RAM-H1200数据集以其多任务特性，成为类风湿性关节炎手部X光片研究的基石。其最经典的用途在于同时支撑手部骨骼结构分割、骨侵蚀区域分割、关节定位、Sharp/van der Heijde评分中的骨侵蚀与关节间隙狭窄等级预测。研究者可以基于该数据集构建统一的深度学习框架，从原始X光片中自动完成从解剖结构解析到疾病严重程度量化的全流程分析，极大提升了评估效率与可重复性。

解决学术问题

该数据集精准回应了风湿病影像学研究中长期存在的挑战：缺乏标准化、多任务标注的公开基准。传统研究往往割裂地处理分割、检测或评分任务，难以协同优化。RAM-H1200通过提供统一标注的全手X光片，使得联合学习骨结构形态、侵蚀病变区域与关节功能损伤等级成为可能。其影响力在于为可重复、可比较的AI辅助RA评估研究奠定了数据基础，推动了从定性描述向定量化、结构化评估的范式转变。

实际应用

在实际临床研究场景中，RAM-H1200可被部署于自动化RA结构化损伤评估系统。放射科医生可借助基于该数据集训练的模型，快速获取患者各关节的骨侵蚀与关节间隙狭窄严重程度评分，辅助疾病进展监测与治疗方案调整。此外，数据集支持的多中心、去标识化元数据，使其成为医疗器械研发与影像组学探索中验证模型泛化能力的重要工具。

数据集最近研究

最新研究方向

RAM-H1200数据集的最新研究方向聚焦于利用全手X光影像进行类风湿关节炎（RA）的多任务智能辅助评估。前沿探索集中在构建统一的深度学习框架，同时实现手部骨骼与骨侵蚀区域的分割、关节关键点定位，以及基于Sharp/van der Heijde（SvdH）评分标准的骨侵蚀（BE）与关节间隙狭窄（JSN）分级预测。该数据集通过提供精细的COCO格式实例分割注释与逐关节评分标签，推动了从影像结构分析到临床严重程度量化的端到端推理。其与全球热点AI诊疗可解释性及全自动影像报告生成密切相关，为RA结构性损伤的客观量化提供了标准化大规模基准，有望加速计算机辅助诊断系统在风湿病学中的临床转化。