論文の概要: Kaapana: A Comprehensive Open-Source Platform for Integrating AI in Medical Imaging Research Environments

• arxiv url: http://arxiv.org/abs/2512.09644v1
• Date: Wed, 10 Dec 2025 13:37:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.537785
• Title: Kaapana: A Comprehensive Open-Source Platform for Integrating AI in Medical Imaging Research Environments
• Title（参考訳）: Kaapana: 医療画像研究環境におけるAI統合のための総合的なオープンソースプラットフォーム
• Authors: Ünal Akünal, Markus Bujotzek, Stefan Denner, Benjamin Hamm, Klaus Kades, Philipp Schader, Jonas Scherer, Marco Nolden, Peter Neher, Ralf Floca, Klaus Maier-Hein,
• Abstract要約: 医療画像研究のための総合的なオープンソースプラットフォームであるKaapanaを紹介します。 Kaapanaは、共通のユーザインターフェースの下でデータの取り込み、処理、結果検査を統一するモジュラーフレームワークを提供する。 フレキシブルなワークフローオーケストレーションと、研究者向けのユーザ対応アプリケーションを統合することで、Kaapanaは技術的オーバーヘッドを減らし、指揮性を改善し、大規模で協調的なマルチ中心イメージング研究を可能にする。
• 参考スコア（独自算出の注目度）: 1.0093874344837297
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing generalizable AI for medical imaging requires both access to large, multi-center datasets and standardized, reproducible tooling within research environments. However, leveraging real-world imaging data in clinical research environments is still hampered by strict regulatory constraints, fragmented software infrastructure, and the challenges inherent in conducting large-cohort multicentre studies. This leads to projects that rely on ad-hoc toolchains that are hard to reproduce, difficult to scale beyond single institutions and poorly suited for collaboration between clinicians and data scientists. We present Kaapana, a comprehensive open-source platform for medical imaging research that is designed to bridge this gap. Rather than building single-use, site-specific tooling, Kaapana provides a modular, extensible framework that unifies data ingestion, cohort curation, processing workflows and result inspection under a common user interface. By bringing the algorithm to the data, it enables institutions to keep control over their sensitive data while still participating in distributed experimentation and model development. By integrating flexible workflow orchestration with user-facing applications for researchers, Kaapana reduces technical overhead, improves reproducibility and enables conducting large-scale, collaborative, multi-centre imaging studies. We describe the core concepts of the platform and illustrate how they can support diverse use cases, from local prototyping to nation-wide research networks. The open-source codebase is available at https://github.com/kaapana/kaapana
• Abstract（参考訳）: 医療画像のための汎用AIの開発には、大規模なマルチセンターデータセットへのアクセスと、研究環境内の標準化された再現可能なツールの両方が必要である。 しかし、臨床研究環境における実世界のイメージングデータの利用は、厳格な規制の制約、ソフトウェアインフラの断片化、そして大規模コーホート多中心研究の実行に固有の課題によって、いまだに妨げられている。 これは、複製が困難で、単一の機関を超えてスケールするのが困難で、臨床医とデータサイエンティストの協力に適さない、アドホックなツールチェーンに依存するプロジェクトにつながります。 私たちは、このギャップを埋めるために設計された医療画像研究のための包括的なオープンソースプラットフォームであるKaapanaを紹介します。 シングルユースでサイト固有のツールを構築する代わりに、Kaapanaは、データ取り込み、コホートキュレーション、ワークフローの処理、結果インスペクションを共通のユーザインターフェースで統一する、モジュラーで拡張可能なフレームワークを提供する。 アルゴリズムをデータに持ち込むことで、組織は分散実験やモデル開発に引き続き参加しながら、機密データを制御できる。 フレキシブルなワークフローオーケストレーションと、研究者向けのユーザ対応アプリケーションを統合することで、Kaapanaは技術的オーバーヘッドを減らし、再現性を改善し、大規模でコラボレーティブなマルチ中心イメージング研究を可能にする。 プラットフォームの中核となる概念を説明し、ローカルなプロトタイピングから全国規模の研究ネットワークまで、さまざまなユースケースをサポートする方法について説明する。 オープンソースコードベースはhttps://github.com/kaapana/kaapanaで公開されている。

関連論文リスト

• mAIstro: an open-source multi-agentic system for automated end-to-end development of radiomics and deep learning models for medical imaging [0.0]
  mAIstroは、医療AIモデルのエンドツーエンド開発とデプロイのための、オープンソースの、自律的なマルチエージェントフレームワークである。 自然言語インタフェースを通じて探索データ分析、放射能特徴抽出、画像分割、分類、回帰を編成する。
  論文  参考訳（メタデータ） (2025-04-30T16:25:51Z)
• A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI [70.06771291117965]
  PubMed Central Open Accessサブセットから派生したオープンソースのデータセットであるBiomedicaを紹介する。 Biomedicaには600万以上の科学論文と2400万の画像テキストペアが含まれている。 私たちは、Webサーバを通じてスケーラブルなストリーミングと検索APIを提供し、AIシステムとのシームレスな統合を容易にします。
  論文  参考訳（メタデータ） (2025-03-26T05:56:46Z)
• Efficient MedSAMs: Segment Anything in Medical Images on Laptop [69.28565867103542]
  我々は,迅速な医用画像のセグメンテーションに特化した初の国際コンペを組織した。 トップチームは軽量なセグメンテーション基盤モデルを開発し、効率的な推論パイプラインを実装した。 最高のパフォーマンスのアルゴリズムは、臨床導入を促進するために、ユーザフレンドリーなインターフェースを備えたオープンソースソフトウェアに組み込まれている。
  論文  参考訳（メタデータ） (2024-12-20T17:33:35Z)
• OpenMEDLab: An Open-source Platform for Multi-modality Foundation Models in Medicine [55.29668193415034]
  マルチモダリティ基盤モデルのためのオープンソースプラットフォームであるOpenMEDLabについて紹介する。 これは、最前線臨床および生体情報学応用のための大規模言語とビジョンモデルを刺激し、微調整する先駆的な試みの解決策をカプセル化する。 様々な医用画像のモダリティ、臨床テキスト、タンパク質工学など、事前訓練された基礎モデル群へのアクセスが可能である。
  論文  参考訳（メタデータ） (2024-02-28T03:51:02Z)
• Efficient Large Scale Medical Image Dataset Preparation for Machine Learning Applications [0.08484806297945031]
  本稿では,Kaapanaオープンソースツールキットの一部として開発された,革新的なデータキュレーションツールを紹介する。 このツールは、放射線学者や機械学習研究者のニーズに合わせたものだ。 高度な検索、自動アノテーション、データキュレーションの改善のための効率的なタグ付け機能を備えている。
  論文  参考訳（メタデータ） (2023-09-29T14:41:02Z)
• DeepMediX: A Deep Learning-Driven Resource-Efficient Medical Diagnosis Across the Spectrum [15.382184404673389]
  この作業では,この課題に大きく対処する,画期的な,リソース効率の高いモデルである textttDeepMediX が紹介されている。 MobileNetV2アーキテクチャ上に構築されたDeepMediXは、脳MRIスキャンと皮膚がん画像の分類に長けている。 DeepMediXの設計にはフェデレートラーニングの概念も含まれている。
  論文  参考訳（メタデータ） (2023-07-01T12:30:58Z)
• Understanding the Tricks of Deep Learning in Medical Image Segmentation: Challenges and Future Directions [66.40971096248946]
  本稿では,モデル実装の異なるフェーズに対して,MedISegの一連のトリックを収集する。 本稿では,これらの手法の有効性を一貫したベースライン上で実験的に検討する。 私たちはまた、それぞれのコンポーネントがプラグインとプレイの利点を持つ強力なMedISegリポジトリをオープンソースにしました。
  論文  参考訳（メタデータ） (2022-09-21T12:30:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。