Haré modelos de segmentación y clasificación de imágenes médicas con aprendizaje profundo
Ingeniero/a de IA y aprendizaje automático, aprendizaje profundo, visión por computadora, PNL
Acerca de este Servicio
¿Necesitas un modelo de aprendizaje profundo para imágenes médicas? Construyo modelos de segmentación y clasificación que delinean lesiones o clasifican escaneos.
Qué construyo
Segmentación con UNet, 3D UNet, TransUNet y Swin UNet
Clasificación con EfficientNet y conjuntos de CNN
Imágenes 2D y volúmenes 3D, como OCT retinal y fotos de fondo de ojo
Explicaciones Grad CAM, SHAP y LIME
Qué obtendrás
Código limpio y comentado en PyTorch o TensorFlow y pesos entrenados
Dice, IoU, precisión y ROC AUC en pacientes o imágenes no vistas
Imágenes de superposición que muestran regiones correctas, perdidas y extra
Múltiples seeds y pruebas estadísticas en el paquete superior
Un informe en inglés llano
Resultados probados
Dice medio del 79.23%, segmentación de líquido en OCT retinal en 6 conjuntos de datos
Dice medio del 78.46%, modelo 3D en volúmenes completos de OCT
Precisión del 91.49%, ROC AUC 0.9731, retinopatía diabética
Por qué elegirme
Evaluado frente a TransUNet y Swin UNet con su código oficial
Fondo sólido en matemáticas (Maestría en Matemáticas) para estadísticas sólidas
Chequeo de viabilidad gratuito antes de que hagas el pedido
Actualizaciones en cada paso y ayuda para ejecutar el código después de la entrega
Envíame algunas imágenes de muestra y tu objetivo, y te responderé con un plan.
Lenguaje de programación:
Python
•
Colab
Herramientas:
Jupyter Notebook
•
opencv
•
TensorFlow
•
Colab
Marcos:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Otros servicios de Ciencia de datos y aprendizaje automático que ofrezco
FAQ
Traducción automática
¿Qué tipos de imágenes manejas?
He trabajado con escaneos OCT de retina y fotos del fondo de ojo en 2D y 3D. Envíame una muestra de tus imágenes y confirmaré el enfoque.
¿Mis imágenes necesitan máscaras o etiquetas?
La segmentación necesita etiquetas de máscara, la clasificación necesita una etiqueta por imagen. Si solo tienes imágenes crudas, mándame un mensaje primero.
¿Cómo pruebas el modelo?
Divido por paciente o por imagen para que los datos de prueba nunca se vean durante el entrenamiento, y reporto Dice, IoU o precisión en ese conjunto de prueba.
¿Puedes comparar con modelos publicados?
Sí. En el paquete de investigación comparo con modelos como TransUNet y Swin UNet usando su código oficial.
¿Obtengo el código y los pesos entrenados?
Sí, junto con las imágenes de superposición y un informe de resultados.

