Detecta nódulos pulmonares en TC para health-tech en Medellín
Visión general
De qué trata este proyecto.
Trabajen en equipo de 2-3. Reciben 1.200 TCs anonimizadas con anotaciones de nódulos. Entrenen un detector 3D (RetinaNet 3D o nnDetection). Reporten FROC con sensibilidades a 0.5, 1, 2, 4, 8 falsos positivos por scan. Evalúen subgrupo por tamaño de nódulo (<5 mm, 5-10 mm, >10 mm). Discutan trade-off sensibilidad-FPs/scan con un radiólogo simulado. Éxito: sensibilidad promedio ≥0.75 a 2 FPs/scan y ≥0.60 para nódulos <5 mm.
El Briefing
Lo que harás y lo que demostrarás.
Detectar nódulos pulmonares 3D con sensibilidad ≥0.75 a 2 FPs/scan y ≥0.60 en nódulos <5 mm.
Earning criteria — what you'll demonstrate
- Implementar detección 3D sobre volúmenes médicos
- Reportar métricas FROC adecuadas para CAD (Computer-Aided Detection — detección asistida por computador)
- Diagnosticar rendimiento por tamaño de lesión
- Comunicar trade-offs sensibilidad-FPs a radiólogos
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de Visión por Computador
Detección 3D médica con FROC es el reto representativo de CV médica avanzada.
Este proyecto afina
- object-detection
- 3d-detection
- medical-imaging
Investigador/a de Machine Learning
FROC + análisis por subgrupo de tamaño es rigor metodológico de research aplicada en CAD.
Este proyecto afina
- froc-evaluation
- 3d-detection
- medical-imaging
Científico/a de IA Aplicada
Decidir operating point clínicamente útil define al rol en health-tech.
Este proyecto afina
- froc-evaluation
- medical-imaging
- object-detection