본 논문은 기존 무릎 골관절염(OA) 등급 시스템의 낮은 정확도와 주관성 문제를 해결하기 위해 이상 탐지(Anomaly Detection, AD) 원리를 기반으로 한 자동 연속 등급 시스템을 제안한다. 세 단계 접근 방식으로, 첫째, 건강한 무릎 X선 이미지만을 사용하여 '정상' 표현을 학습하는 자기 지도 학습 기반 이상 탐지 기법인 SS-FewSOME을 제안한다. 둘째, SS-FewSOME을 이용하여 비표지 데이터를 '정상' 또는 '이상'으로 의사 레이블링하고 CLIP을 이용하여 잡음을 제거한다. 마지막으로, 표지 및 의사 레이블 데이터를 사용하여 정상 및 이상 두 표현 공간의 중심을 학습하는 Dual Centre Representation Learning (DCRL)을 통해 모델을 재훈련한다. 질병 심각도는 학습된 중심으로부터의 거리에 따라 등급이 매겨진다. 제안된 방법론은 기존 기법보다 OA 탐지 정확도를 최대 24% 향상시켰으며, 질병 심각도 점수는 전문가 수준으로 Kellgren-Lawrence 등급 시스템과 상관관계를 보인다.
