Detecta retinopatía diabética para una red de clínicas en Guadalajara
Visión general
De qué trata este proyecto.
Recibes 30.000 imágenes de fundus etiquetadas (5 clases, distribuidas con clase 0 dominante 65 %). Entrena EfficientNet-B3 con loss ordinal o regresión ordinal. Reporta quadratic weighted kappa, accuracy y matriz de confusión. Diseña 2 puntos de operación: 'alto recall' para no perder casos 3-4, y 'alto valor predictivo positivo' para reducir falsos positivos al especialista. Éxito: QWK ≥0.85, sensibilidad ≥0.95 en clases 3-4 al punto de alto recall.
El Briefing
Lo que harás y lo que demostrarás.
Clasificar retinopatía diabética en 5 grados con QWK ≥0.85 y dos puntos de operación clínicamente útiles.
Earning criteria — what you'll demonstrate
- Aplicar regresión ordinal a clasificación con ordering natural
- Distinguir métricas estándar de métricas ordinales (QWK)
- Diseñar puntos de operación clínicamente útiles
- Comunicar trade-offs sensibilidad-especificidad a clínicas
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.
Científico/a de IA Aplicada
Clasificación médica con puntos de operación clínicos es el proyecto representativo de IA aplicada en oftalmología.
Este proyecto afina
- medical-image-classification
- operating-point-selection
- medical-imaging
Ingeniero/a de Visión por Computador
Fine-tuning con loss ordinal y métricas QWK es habilidad creciente en CV médica.
Este proyecto afina
- medical-image-classification
- ordinal-classification
- fine-tuning
Ingeniero/a de Machine Learning
Calibrar y diseñar puntos de operación es músculo cotidiano de MLE en salud.
Este proyecto afina
- operating-point-selection
- fine-tuning
- medical-imaging