論文の概要: An Open-Source Monitoring Framework for Data Exploration and Progress Tracking in Multi-Center Radiology Studies
- arxiv url: http://arxiv.org/abs/2606.16861v1
- Date: Mon, 15 Jun 2026 15:35:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.672499
- Title: An Open-Source Monitoring Framework for Data Exploration and Progress Tracking in Multi-Center Radiology Studies
- Title（参考訳）: マルチセンター放射線学研究におけるデータ探索と進捗追跡のためのオープンソースのモニタリングフレームワーク
- Authors: Markus Bujotzek, Jonas Scherer, Stefan Denner, Peter Neher, Benjamin Hamm, Lorenz Feineis, Uenal Akuenal, Andreas Bucher, Tobias Penzkofer, Klaus Maier-Hein,
- Abstract要約: 本稿では,Grafana-Prometheusスタックに基づくマルチセンター研究のための軽量でオープンソースのモニタリングアーキテクチャを提案する。
このフレームワークは、分散研究サイトから集約された監視メトリクスを収集し、ダッシュボードを通じて視覚化する。
我々は、ドイツの38の大学クリニックで、プライバシー保護データ探索と進捗監視を可能にする能力を実証した。
- 参考スコア（独自算出の注目度）: 1.4894599670550706
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-center studies are crucial for advancing medical and radiological research. Data exploration, collaboration discovery, and study progress monitoring are essential for maximizing their potential. However, in practice these processes often rely on manual communication and shared tables, which quickly become outdated and hinder efficient coordination in large distributed studies. This highlights the need for dedicated monitoring solutions that provide transparent and up-to-date insights into study progress. We propose a lightweight, open-source monitoring architecture for multi-center studies based on the widely used Grafana-Prometheus stack. The framework collects aggregated monitoring metrics from distributed study sites and visualizes them through configurable dashboards. As a real-world deployment example, the framework is integrated into the medical imaging platform Kaapana and evaluated within a large multi-center research network. By deploying our solution within the Germany-wide RACOON consortium, we demonstrate its ability to enable privacy-preserving data exploration and study progress monitoring across all 38 German university clinics. The monitoring framework supports transparent coordination of distributed research activities and can facilitate more efficient management of large-scale multi-center studies. The source code and Kaapana integration are publicly available at https://github.com/MIC-DKFZ/study-monitoring-kaapana.
- Abstract（参考訳）: 医療・放射線研究の推進には多施設研究が不可欠である。
データ探索、コラボレーション発見、研究進捗監視は、その可能性の最大化に不可欠である。
しかし、実際にはこれらのプロセスは手動のコミュニケーションと表の共有に依存しており、これはすぐに時代遅れになり、大規模な分散研究において効率的な調整を妨げている。
これは、研究進捗に関する透明性と最新の洞察を提供する専用のモニタリングソリューションの必要性を強調します。
広範に利用されているGrafana-Prometheusスタックに基づくマルチセンター研究のための軽量でオープンソースのモニタリングアーキテクチャを提案する。
このフレームワークは、分散研究サイトから集約された監視メトリクスを収集し、設定可能なダッシュボードを通じて視覚化する。
実世界のデプロイメントの例として、このフレームワークは医療画像プラットフォームKaapanaに統合され、大規模なマルチセンター研究ネットワーク内で評価される。
ドイツ全土のRACOONコンソーシアムにソリューションをデプロイすることで、プライバシ保護データ探索と、ドイツの38の大学クリニックの進捗監視を可能にする能力を示す。
このモニタリングフレームワークは、分散研究活動の透過的な調整をサポートし、大規模マルチセンター研究のより効率的な管理を容易にする。
ソースコードとKaapanaの統合はhttps://github.com/MIC-DKFZ/study-monitoring-kaapanaで公開されている。
関連論文リスト
- Cooperative Informative Sensing for Monitoring Dynamic Indoor Environments via Multi-Agent Reinforcement Learning [56.64821510576244]
我々は,複数のロボットが動作を調整し,部分観測可能性下での監視精度を直接最適化する分散制御問題として,協調的アクティブな観察を定式化する。
本稿では,多エージェント強化学習(MARL)を用いた分散観測から,多人数の人間と時間的依存関係を扱うアーキテクチャを基盤とした協調政策学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-25T07:20:15Z) - Project Imaging-X: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development [314.80153557710616]
我々は、1,000以上のオープンアクセスデータセットをカバーする、医療画像データセットの現在における最大の調査を提示する。
私たちの分析では、範囲が狭いタスクにまたがって断片化され、臓器やモダリティに不均一に分散した、質素なスケールのランドスケープを公開しています。
本稿では,メタデータ駆動型融合パラダイム(MDFP)を提案する。
論文 参考訳（メタデータ） (2026-03-29T00:46:53Z) - PDA in Action: Ten Principles for High-Quality Multi-Site Clinical Evidence Generation [18.895325555958408]
本稿は,PDAを用いた高品質なマルチサイト研究を行うためのベストプラクティスの10の原則を確立することを目的とする。
これらの原則は、研究準備、プロトコル開発、分析、最終報告を含む研究のすべての段階をカバーする。
論文 参考訳（メタデータ） (2025-12-29T12:08:18Z) - Kaapana: A Comprehensive Open-Source Platform for Integrating AI in Medical Imaging Research Environments [1.0093874344837297]
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。
論文 参考訳（メタデータ） (2025-12-10T13:37:55Z) - LESEN: Label-Efficient deep learning for Multi-parametric MRI-based
Visual Pathway Segmentation [5.726588626363204]
ラベル効率のよい自己認識型深層学習法(LESEN)を提案する。
LESENは教師なしと教師なしの損失を取り入れ、生徒と教師のモデルが相互に学習できるようにする。
ヒトコネクトームプロジェクト(HCP)のデータセットを用いた実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2024-01-03T10:22:13Z) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳（メタデータ） (2023-08-24T01:30:18Z) - Evaluation and Analysis of Different Aggregation and Hyperparameter
Selection Methods for Federated Brain Tumor Segmentation [2.294014185517203]
我々は分散学習手法であるフェデレート学習パラダイムに注目した。
研究は、連合学習が従来の中央訓練と競争力を発揮することを示した。
我々は、より高速な収束と優れた性能のための様々な戦略を探求し、強力な非IIDケースでも機能する。
論文 参考訳（メタデータ） (2022-02-16T07:49:04Z) - Challenges in biomarker discovery and biorepository for Gulf-war-disease
studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。
ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。
過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文 参考訳（メタデータ） (2021-02-04T20:38:30Z) - Multi-modal AsynDGAN: Learn From Distributed Medical Image Data without
Sharing Private Information [55.866673486753115]
プライバシーとセキュリティを守るために拡張可能で弾力性のある学習フレームワークを提案します。
提案するフレームワークは分散Asynchronized Discriminator Generative Adrial Networks (AsynDGAN) である。
論文 参考訳（メタデータ） (2020-12-15T20:41:24Z) - A Multisite, Report-Based, Centralized Infrastructure for Feedback and
Monitoring of Radiology AI/ML Development and Clinical Deployment [0.0]
インタラクティブな放射線学報告手法は、画像の視聴、予測、自然言語処理(NLP)、および画像発見とレポート間のハイパーリンクの生成を統合する。
これらのイメージとラベルは、クラウドベースのシステムでキャプチャして集中することができる。
本手法は, 市販後監視および外部データに対する規制要件に対処する。
論文 参考訳（メタデータ） (2020-08-31T17:59:04Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。