Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Construiré modelos de deep learning para análisis de imágenes médicas
Estudiante avanzado de ingeniería en computación
Estudiante avanzado de ingeniería en computación con enfoque en IA y desarrollo Full-Stack. Construyo soluciones completas como PanCanSee, un sistema de deep learning para diagnósticos médicos usando ...
Acerca de este Servicio
¿Eres un investigador médico, una startup de salud o un científico de datos que busca extraer conocimientos que salvan vidas de imágenes médicas complejas?
Soy un ingeniero en IA y ciencia de datos especializado en desarrollar modelos de Deep Learning altamente precisos y listos para producción, diseñados específicamente para el ámbito de la salud y la imagen médica.
Lo que ofrezco en este gig:
- Procesamiento DICOM: Pipelines de preprocesamiento robustos para manejar formatos médicos en crudo (DICOM, NIfTI, etc.) incluyendo ajuste de ventana, normalización y eliminación de artefactos.
- Arquitecturas avanzadas: Construcción de modelos personalizados usando CNNs avanzadas y algoritmos de Multiple Instance Learning (MIL), ideales para identificar patologías localizadas en escaneos de alta resolución.
- Entrenamiento a gran escala: Capacidad para manejar y escalar conjuntos de datos masivos (por ejemplo, cohortes de más de 18,000 imágenes) utilizando entornos de entrenamiento acelerados con A100 GPU de alto rendimiento.
- Ajuste de precisión: La IA médica no solo se trata de precisión. Ofrezco evaluación estadística rigurosa y ajuste exacto del umbral de decisión óptimo (por ejemplo, determinar el corte exacto como 0.409) para maximizar sensibilidad y especificidad.
- IA explicable (XAI): Integración de Grad-CAM y superposiciones de mapas de calor para que los profesionales médicos puedan visualizar
Mi porfolio
FAQ
Traducción automática
¿Trabajas con archivos DICOM en crudo?
Sí, puedo construir pipelines de preprocesamiento para extraer, ajustar la ventana y normalizar correctamente los arreglos de píxeles desde los encabezados DICOM en crudo antes de alimentarlos a los modelos de deep learning.
¿Puedes manejar conjuntos de datos extremadamente grandes?
Por supuesto. Utilizo generadores de datos optimizados y entornos con GPU A100 para entrenar modelos de manera eficiente en cohortes grandes (por ejemplo, más de 18,000 escaneos) sin cuellos de botella de memoria.
