Ik bouw medische beeldsegmentatie- en classificatiemodellen met deep learning
AI- en machine learning-ingenieur, deep learning, computer vision, NLP
Over deze dienst
Nodig je een deep learning-model voor medische afbeeldingen? Ik bouw segmentatie- en classificatiemodellen die laesies markeren of scans classificeren.
Wat ik bouw
Segmentatie met UNet, 3D UNet, TransUNet en Swin UNet
Classificatie met EfficientNet en CNN-ensembles
2D-afbeeldingen en 3D- volumes, zoals retinale OCT en fundusfoto's
Grad CAM, SHAP en LIME uitleg
Wat je krijgt
Schoon, gecommentarieerde PyTorch- of TensorFlow-code en getrainde gewichten
Dice, IoU, nauwkeurigheid en ROC AUC op onbekende patiënten of beelden
Overlay-beelden die juiste, gemiste en extra regio's laten zien
Meerdere seeds en statistische tests in het toppakket
Eenvoudig Engelstalig rapport
Aangetoonde resultaten
79,23% mean Dice, vloeistofsegmentatie bij retinale OCT op 6 datasets
78,46% mean Dice, 3D-model op volledige OCT-volumes
91,49% nauwkeurigheid, 0,9731 ROC AUC, diabetische retinopathie
Waarom voor mij kiezen
Vergelijking met TransUNet en Swin UNet met hun officiële code
Sterke wiskundige achtergrond (MS Mathematics) voor betrouwbare statistiek
Gratis haalbaarheidscontrole voordat je bestelt
Updates bij elke stap en hulp bij het draaien van de code na levering
Stuur me een paar voorbeeldafbeeldingen en jouw doel, en ik kom met een plan terug.
Programmeertaal:
Python
•
Colab
Tools:
Jupyter-notitieboek
•
opencv
•
tensorflow
•
Colab
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Andere Data science en ML diensten die ik aanbied
Veelgestelde vragen
Automatische vertaling
Met welke beeldtypes werk je?
Ik heb gewerkt met retinal OCT-scans en 2D- en 3D-fundusfoto's. Stuur een voorbeeld van jouw beelden en ik bevestig de aanpak.
Hebben mijn beelden maskers of labels nodig?
Segmentatie vereist maskerllabels, classificatie vereist een label per beeld. Als je alleen ruwe beelden hebt, stuur me eerst een bericht.
Hoe test je het model?
Ik splits op patiënt of beeld zodat testdata nooit in training terechtkomt, en ik rapporteer Dice, IoU of nauwkeurigheid op die testset.
Kun je vergelijken met gepubliceerde modellen?
Ja. In het onderzoekspakket vergelijk ik met modellen zoals TransUNet en Swin UNet met behulp van hun officiële code.
Krijg ik de code en getrainde gewichten?
Ja, samen met de overlay-beelden en een resultatenrapport.

