Segmentierung von Wundfotos für eine Berliner Heimpflegeapp
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein U-Net auf 1.200 Wundfotos, segmentiere Wundflächen und baue eine Streamlit-Demo. Werte mit Dice und IoU aus. Erhalte dein verifizierbares Zertifikat.
Das Szenario
Das Healthtech hat 18 Mitarbeitende, plant einen Markteintritt im ambulanten Pflegemarkt der DACH-Region und sieht ein Wund-Tracking-Feature als wichtigsten Differenzierer.
Das Briefing
Was Du tust und was Du zeigst.
Wie zuverlässig kann ein U-Net-Modell Wundflächen in der ambulanten Pflege aus Fotos segmentieren, und welche Limitationen müssen vor einem Produkteinsatz geklärt werden?
Earning criteria — what you'll demonstrate
- Semantische Segmentierung mit U-Net üben
- Maskenbasierte Metriken (Dice, IoU) anwenden
- Datenaugmentierung gezielt für medizinische Bilder einsetzen
- Limitationen eines Modells ehrlich kommunizieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Image Segmentation
Apply image segmentation to solve real industry problems and demonstrate production-level capability.
- U Net
Apply u net to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Data Augmentation
Apply data augmentation to solve real industry problems and demonstrate production-level capability.
- Risk Analysis
Apply risk analysis to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Computer Vision Engineer
Bild-Segmentierung in einer medizinisch nahen Anwendung ist ein hochwertiges Erstprojekt für CV Engineers, die in Healthtech einsteigen wollen.
Dieses Projekt schärft
- image-segmentation
- u-net
- data-augmentation
Machine Learning Engineer
Eine reproduzierbare Trainings-Pipeline mit Maskenmetriken ist die Brücke zu produktiverer ML-Engineering-Arbeit in medizinischen Anwendungen.
Dieses Projekt schärft
- pytorch
- model-evaluation
- image-segmentation
AI Safety Researcher
Limitationen ehrlich zu kommunizieren und klinische Validierungsschritte zu skizzieren ist die Standardarbeit von AI Safety Researchern in medizinischen Anwendungen.
Dieses Projekt schärft
- risk-analysis
- model-evaluation
- u-net
Noch eine Sache