随着深度学习的快速发展,人工智能（AI）的实际应用场景不断扩展,如在计算机视觉和自然语言处理等领域,深度学习算法取得了成功的应用。在医疗领域,临床医生、放射诊断医师等医院科研人员逐渐使用深度学习等AI算法来对影像数据进行分析和处理。在影像数据的分析和处理中,医院科研人员需要与AI工程师进行协作,以更好地利用AI技术开展医院的科研及临床实践工作。本文针对基于影像数据的医院科研云系统开展研究,利用虚拟化容器引擎、工作流调度系统和机器学习框架,设计并实现了影像数据共享、AI模型训练、模型推理等功能的医院科研云系统。通过医院科研云系统,医院研究人员可以上传医院的影像数据,对影像数据的标签信息进行管理,以及利用AI模型对影像数据进行分析;AI工程师可以对AI模型进行更新、训练和改进。在系统需求分析和概要设计的基础上,采用模块化的设计思路,将基于影像数据的医院科研云系统划分为用户管理、数据标注与共享、算法引擎、算法服务和模型管理等五个主要模块。其中用户管理模块负责管理系统的用户功能,包括用户注册、登录、操作权限等;数据标注与共享模块负责医学影像数据的获取、标注和存储,包括医院研究人员上传自己的影像数据、公开的影像数据集,以及对影像数据的标签信息进行添加、删除和修改等;算法引擎模块是对模型进行训练和评估,AI工程师可以选择数据预处理方法、训练使用的数据集,以及设置常用的超参数等;算法服务模块包括模型推理和模型对比的功能,为医院的研究人员提供对影像数据进行分析的能力,并作为AI工程师对模型进行优化的依据;模型管理模块主要负责对模型文件的导入、导出以及删除操作,AI工程师可以通过系统提供的接口上传本地开发的模型,也可以下载其他AI工程师上传的模型文件。本文构建了基于影像数据的医院科研云系统测试环境,并以细胞显微图像分割与识别为例,对系统进行功能与性能测试,测试结果表明医院科研云系统方案的有效性。