Kaapana：用于医学影像研究环境集成人工智能的全方位开源平台
计算机视觉与模式识别
2025-12-11 v1
摘要
开发通用医学影像人工智能需要获取大规模、跨中心的数据集，以及研究环境内标准化、可复现的工具。然而，受严格的监管约束、碎片化的软件基础设施以及大型队列、跨中心研究所固有的挑战，仍然阻碍了在临床研究环境中利用真实影像数据的实际操作。这导致项目依赖难以复现、难以扩大至单一机构且不适合临床医生与数据科学家之间协作的工具链。我们提出 Kaapana，一个为医学影像研究设计的全方位开源平台，以弥合这一差距。Kaapana 提供模块化、可扩展的框架，统一数据摄取、队列精选、处理工作流程和结果检查于一个常见的用户界面之下。通过将算法带到数据端，机构可保持对敏感数据的控制权，同时仍可参与分布式实验和模型开发。通过将灵活的工作流程编排与研究人员的用户面向应用程序集成，Kaapana 降低技术开销，提高可复现性，并支持开展大规模、跨机构、跨中心的影像研究。我们描述了平台的核心概念，说明其如何支持从本地原型设计到全国性研究网络的多样化用例。该开源代码库已在 https://github.com/kaapana/kaapana 上提供。
引用
@article{arxiv.2512.09644,
title = {Kaapana: A Comprehensive Open-Source Platform for Integrating AI in Medical Imaging Research Environments},
author = {Ünal Akünal and Markus Bujotzek and Stefan Denner and Benjamin Hamm and Klaus Kades and Philipp Schader and Jonas Scherer and Marco Nolden and Peter Neher and Ralf Floca and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2512.09644},
year = {2025}
}