Ver categorias
Explorar
Fiverr Pro
Português
$
USD
Vou construir modelos de deep learning para análise de imagens médicas
Estudante de Engenharia de Computação Sênior
Estudante de Engenharia de Computação com foco em IA e desenvolvimento Full-Stack. Crio soluções completas como o PanCanSee, um sistema de deep learning para diagnósticos médicos usando CNN e MIL. Esp...
Sobre este Serviço
Você é um pesquisador médico, startup de saúde ou um cientista de dados procurando extrair insights que salvam vidas de imagens médicas complexas?
Sou engenheiro de IA e Ciência de Dados especializado em desenvolver modelos de Deep Learning altamente precisos e prontos para produção, especialmente projetados para o setor de saúde e imagens médicas.
O que ofereço neste serviço:
- Processamento DICOM: pipelines robustos de pré-processamento para lidar com formatos médicos brutos (DICOM, NIfTI, etc.), incluindo ajuste de janela, normalização e remoção de artefatos.
- Arquiteturas Avançadas: construção de modelos personalizados usando CNNs avançadas e algoritmos de Multiple Instance Learning (MIL), perfeitos para identificar patologias localizadas em exames de alta resolução.
- Treinamento em Grande Escala: capacidade de lidar e escalar grandes conjuntos de dados (por exemplo, mais de 18.000 imagens) usando ambientes de treinamento acelerados por A100 GPU de alto desempenho.
- Ajuste de Precisão: IA médica não é só sobre precisão. Ofereço avaliação estatística rigorosa e ajuste exato de limiar de decisão ótimo (por exemplo, determinar o ponto de corte exato como 0,409) para maximizar Sensibilidade e Especificidade.
- IA Explicável (XAI): Integrando Grad-CAM e sobreposições de heatmap para que profissionais de saúde possam visualizar
Meu portfólio
Perguntas frequentes
Tradução automática
Você trabalha com arquivos DICOM brutos?
Sim, posso criar pipelines de pré-processamento para extrair, ajustar de janela e normalizar arrays de pixels a partir de cabeçalhos DICOM brutos antes de alimentá-los nos modelos de deep learning.
Você consegue lidar com conjuntos de dados extremamente grandes?
Com certeza. Utilizo geradores de dados otimizados e ambientes com GPU A100 para treinar modelos de forma eficiente em grandes coortes (por exemplo, mais de 18.000 exames) sem gargalos de memória.
