Vision Transformer für 3D-MRT-Anomalieerkennung benchmarken
Übersicht
Worum es bei diesem Projekt geht.
Du verwendest den öffentlichen BRATS-Datensatz (Hirntumor-MRT, frei zugänglich) als Stellvertreter für die internen Daten. Implementiere drei Architekturen mit MONAI (medizinisches Imaging-Framework auf PyTorch): ein 3D-ResNet als Baseline, Swin-UNETR (Transformer-Architektur für 3D-Medical-Imaging) und einen hybriden Mamba-Block. Bewerte mit Dice-Score, sensitivität gegenüber kleinen Läsionen (< 1 ml) und VRAM-Verbrauch auf einer A100. Schreibe einen vierseitigen Benchmark-Bericht mit Empfehlung, welche Architektur das Forschungsteam als nächsten internen Baseline-Kandidaten weiterverfolgen sollte.
Das Briefing
Was Du tust und was Du zeigst.
Vergleiche drei moderne 3D-Architekturen auf einem öffentlichen MRT-Benchmark und empfiehl die beste Ausgangsarchitektur für ein internes Forschungsprojekt.
Earning criteria — what you'll demonstrate
- Moderne 3D-Architekturen (Transformer, Mamba-Hybride) für medizinische Bildgebung anwenden
- MONAI als spezialisiertes Framework jenseits von rein generischem PyTorch nutzen
- Bewertung über mehrere klinisch relevante Achsen (nicht nur Dice) führen
- Eine Architektur-Empfehlung mit reproduzierbaren Belegen begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML Researcher
Architektur-Bake-Offs mit sauberer Reproduzierbarkeit sind die Disziplin, die ML Researcher in industrieller Forschung jede Woche brauchen.
Dieses Projekt schärft
- vision-transformers
- model-evaluation
- benchmarking
Applied AI Scientist
Eine Architektur-Empfehlung für ein internes Forschungsteam zu treffen und schriftlich zu verteidigen ist exakt das, was Applied AI Scientists in Pharma-KI tun.
Dieses Projekt schärft
- medical-imaging
- model-evaluation
- benchmarking
Research Scientist
Drei moderne Architekturen über mehrere Achsen sauber zu vergleichen ist der Einstieg in publikationsreife Methodenarbeit.
Dieses Projekt schärft
- vision-transformers
- 3d-convolutions
- benchmarking
Noch eine Sache