U-Net-Segmentierung von Lungenrundherden auf CT fuer ein Heidelberger Forschungslabor
Übersicht
Worum es bei diesem Projekt geht.
Trainiere einen 3D-U-Net auf CTs zur Lungenrundherd-Segmentierung und erhalte ein verifizierbares Zertifikat.
Das Szenario
Das Forschungslabor (rund 15 Beschaeftigte, an einem deutschen Maximalversorger angesiedelt) bereitet eine multizentrische Lungenkrebs-Frueherkennungs-Studie vor und braucht einen Annotations-Voraufschlag, der Radiolog:innen-Zeit halbiert.
Das Briefing
Was Du tust und was Du zeigst.
Liefere einen 3D-U-Net-Segmentierer fuer Lungenrundherde mit dokumentierter Studienreife und Freigabe-Empfehlung.
Earning criteria — what you'll demonstrate
- 3D-U-Nets in PyTorch korrekt implementieren (Channel-Dimensionen, Speicher-Management)
- Patient:innen-Splits statt zufaelliger Splits in medizinischen Bilddaten verwenden
- Segmentierungs-Metriken (Dice, Sensitivitaet, FP-Rate) klinisch sinnvoll berichten
- Eine wissenschaftliche Notiz mit Freigabe-Empfehlung verfassen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning for Imaging and Medical Image Analysis
Master · Applied Ai
Strong alignment
This challenge maps to Machine Learning for Imaging and Medical Image Analysis at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Medical Image Segmentation
Apply medical 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.
- Deep Learning
Design and train neural networks for complex pattern recognition tasks.
- 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.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Computer Vision Engineer
3D-Segmentierung medizinischer Bilder ist Kerngeschaeft fuer CV-Engineers in medizinischen Bildgebungs-Startups und Forschungslaboren.
Dieses Projekt schärft
- medical-image-segmentation
- u-net
- deep-learning
Applied AI Scientist
Wissenschaftliche Notizen mit Freigabe-Empfehlung zu verfassen ist Senior-Applied-AI-Disziplin in klinischen Studienteams.
Dieses Projekt schärft
- medical-image-segmentation
- model-evaluation
- pytorch
ML Researcher
Methodisch saubere Validierung in medizinischer Bildgebung ist Senior-Forschungsdisziplin in akademischen Bildverarbeitungs-Laboren.
Dieses Projekt schärft
- model-evaluation
- u-net
- data-augmentation
Noch eine Sache