Visuelle Anomalie-Erkennung für eine Röntgen-Triage-Lösung
Übersicht
Worum es bei diesem Projekt geht.
Trainiere zwei KI-Modelle zur Anomalie-Erkennung auf 112.000 Röntgen-Bildern und erhalte ein verifizierbares Zertifikat.
Das Szenario
Das Startup (Series-A, rund 22 Mitarbeitende, davon 3 Mediziner:innen im Beirat) plant CE-Kennzeichnung als Medizinprodukt-Klasse-IIa nach MDR (Medical Device Regulation) und braucht ehrliche Validierungs-Dokumente für die Notified Body.
Das Briefing
Was Du tust und was Du zeigst.
Trainiere und validiere einen Anomalie-Triage-Klassifikator für Thorax-Röntgen-Bilder mit Sensitivität über 0,90 bei Spezifität 0,90 und einem dokumentierten Bias-Audit nach Alter und Geschlecht.
Earning criteria — what you'll demonstrate
- Bildklassifikatoren auf medizinische Bilddaten mit Transfer Learning anpassen
- Bias-Audits nach demografischen Untergruppen sauber durchführen
- Modell-Limitationen explizit und ehrlich für eine klinische Zielgruppe formulieren
- Sensitivität/Spezifität-Trade-offs an Triage-Schwellenwerten kalibrieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Visual Intelligence and Visual Reasoning
Master · Computer Vision
Strong alignment
This challenge maps to Visual Intelligence and Visual Reasoning 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 Imaging
Apply medical imaging to solve real industry problems and demonstrate production-level capability.
- Image Classification
Apply image classification 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.
- Bias Audit
Apply bias audit to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Transfer Learning
Apply transfer learning 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.
Angewandte:r KI-Wissenschaftler:in
Medizinische Bild-Klassifikation mit ehrlichem Bias-Audit und Validierungs-Memo ist exakt die Arbeit, die angewandte KI-Wissenschaftler:innen bei HealthTech-Startups leisten, sobald CE-Pfade ernst werden.
Dieses Projekt schärft
- medical-imaging
- model-evaluation
- bias-audit
Computer-Vision-Ingenieur:in
Transfer Learning auf domänenspezifischen Bilddaten und sauberes Eval-Setup sind tägliches Geschäft von CV-Ingenieur:innen in Imaging-Startups.
Dieses Projekt schärft
- image-classification
- transfer-learning
- pytorch
KI-Sicherheits-Forscher:in
Demografische Bias-Audits und die explizite 'Was das Modell nicht kann'-Liste sind genau die Artefakte, die KI-Sicherheits-Forschende in medizinischen Anwendungen einfordern.
Dieses Projekt schärft
- bias-audit
- model-evaluation
- medical-imaging
Noch eine Sache