利用自适应半监督学习的类风湿性关节炎间质性肺病预测模型

杨晶东¹，陆宇航¹，张俊杰¹，谭树鹏¹，冯佳昌¹，单普凡²，姚传辉²，姜泉² 

（1. 上海理工大学 光电信息与计算机工程学院，上海 200093；2. 中国中医科学院 广安门医院 风湿科，北京100053）

摘要：基于深度学习的CT影像预测模型常出现局部特征感知能力差，各类别数量严重不均衡，高质量标注数据稀缺等问题，而现有的微调方法效率低且易过拟合。为此本文提出了一种基于自适应半监督学习的视觉大模型。提出一种新颖的少数类样本数据增强策略，采用扩散模型以学习少数类数据分布及生成新样本，采用感知相似度和生成质量评估对视觉保真度进行筛选，并基于局部密度进行两级特征筛选，在特征空间中增加高质量样本。提出基于对数-求和正则化的微调方法，对预训练权重进行方向与幅度分解，并定向引导幅度，以提高细粒度特征的感知能力。基于证据理论将多视图预测转换为证据函数，量化不确定性，及生成高可信度伪标签，以提高预测精度和泛化性能。针对中国中医科学院广安门医院类风湿关节炎间质性肺病1980例CT样本，进行3折交叉验证。实验结果表明：本文模型Accuracy、Recall、F1-score分别达到89.85%、89.92%和91.40%；与先进模型相比，具有较高的预测精度和泛化性能。

关键词：类风湿性关节炎，半监督学习，样本均衡化，扩散模型，微调，证据理论

扫二维码浏览全文  

Cite this article

Yang, J., Lu, Y., Zhang, J. et al. Prediction Model for Interstitial Lung Disease in Rheumatoid Arthritis Using Adaptive Semi-Supervised Learning. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2945-6

支持单位：