面向自适应与可复现医学图像处理的基于工件的智能体框架

医学影像研究正日益从受控的基准评估转向真实世界的临床部署。在这类场景中，应用分析方法不再局限于模型设计，还需要感知数据集的工作流配置和溯源跟踪。因此有两个需求成为核心：适应性，即根据数据集特定条件和不断演进的分析目标配置工作流的能力；可复现性，即保证所有转换和决策都被显式记录且可重新执行。在此，我们提出一个基于工件的智能体框架，引入语义层来增强医学图像处理。该框架通过工件契约将中间和最终输出形式化，从而支持对工作流状态的结构化查询，以及从模块化规则库中进行目标条件化的配置组装。执行被委托给工作流执行器，以保持确定性的计算图构建和溯源跟踪，而智能体在本地运行，以符合大多数隐私约束。我们在真实世界的临床CT和MRI队列上评估该框架，展示了自适应配置合成、跨重复执行的确定性可复现性，以及基于工件的语义查询。这些结果表明，在异构临床环境中，自适应工作流配置可以在不牺牲可复现性的情况下实现。