Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Costruirò pipeline di preprocessing di immagini mediche, classificazione CNN e xai
Appassionato di ricerca
Mi piace leggere libri
Informazioni su questo servizio
Hai bisogno di una pipeline robusta di imaging medico, dal raw scanner alle reti neurali addestrate?
I scansioni raw (DICOM / NIfTI) non possono essere inserite direttamente nei modelli di deep learning senza un'adeguata allineamento spaziale e normalizzazione dell'intensità. Costruisco pipeline complete di computer vision medica gestendo il preprocessing dei dati, la progettazione di architetture personalizzate e l'interpretabilità del modello.
1. Preprocessing dei dati:
- Conversione da DICOM a NIfTI
- Reorientamento spaziale (sistema di coordinate RAS)
- Correzione del bias N4 e rimozione del cranio
- Registrazione rigida MNI152 e normalizzazione dell'intensità
- Estrazione di slice 2D (assiale, coronale, sagittale)
2. Deep Learning & Classificazione:
- CNN personalizzate & architetture ibride (PyTorch / TensorFlow)
- Mitigazione dello squilibrio delle classi (campionamento casuale ponderato / perdite personalizzate)
- Report di performance (accuratezza, precisione, recall, macro F1-score, matrice di confusione)
3. Explainable AI (XAI):
- Heatmap visive Grad-CAM e Grad-CAM++
- Grafici di attivazione delle feature che evidenziano le regioni di interesse (ROI)
Deliverables:
- Codice sorgente Python modulare e pulito / Jupyter Notebooks
- Pesi del modello addestrato (.pt o .h5) e report di classificazione
Contattami prima di ordinare per discutere il tuo dataset e le tue esigenze!
FAQ
Traduzione automatica.
Quali formati di immagini mediche puoi gestire?
Posso processare formati standard di imaging medico, tra cui DICOM (.dcm), NIfTI (.nii, .nii.gz), NRRD, oltre a formati di immagini 2D (PNG, JPEG, TIFF). Che il tuo dataset sia composto da scansioni volumetriche 3D o da set di slice 2D estratti, posso costruire una pipeline automatizzata per gestirlo.
La tua pipeline include preprocessing come skull stripping o correzione del bias?
Sì. Le scansioni mediche raw richiedono standardizzazione prima di essere inserite nei modelli di deep learning. Il mio workflow di preprocessing copre la conversione da DICOM a NIfTI, l'allineamento spaziale (RAS), la correzione del bias N4, la rimozione del cranio/estrazione del cervello, la registrazione MNI152 e la normalizzazione dell'intensità.
Quali framework e librerie di deep learning usi?
Costruisco principalmente pipeline modulari e riproducibili in Python usando PyTorch, OpenCV, SimpleITK, NiBabel, NumPy e scikit-learn. Se preferisci TensorFlow o Keras, posso adattare l'architettura del modello al framework che preferisci su richiesta.
Come gestisci lo squilibrio delle classi nei dataset medici?
Le classi sbilanciate (ad esempio meno campioni di malati rispetto ai controlli normali) possono influenzare gravemente i modelli di deep learning. Mitigo questo problema usando strategie tecniche come il campionamento casuale ponderato durante la creazione del batch, funzioni di perdita cross-entropy ponderate per le classi e tecniche di data augmentation.
Cos'è l'Explainable AI (Grad-CAM++) e perché ne ho bisogno?
Le reti neurali profonde sono spesso criticate per essere "scatole nere." Grad-CAM++ genera heatmap di attivazione delle classi direttamente sulle tue scansioni MRI/CT per evidenziare visivamente le regioni cerebrali o anatomiche (come atrofia tissutale o ventricoli ingranditi) che guidano la predizione del modello. Questo aiuta a interpretare i risultati.
Fornisci diagnosi mediche o valutazioni cliniche del paziente?
No. In piena conformità con le linee guida di Fiverr, non fornisco servizi di diagnosi clinica, consulenza ai pazienti o consigli medici. I miei servizi sono limitati all'ingegneria del software, preprocessing dei dati, architettura di modelli di machine learning e assistenza tecnica accademica/R&D.
Quali consegne riceverò al termine dell'ordine?
A seconda del pacchetto scelto, riceverai codice sorgente Python completamente modulare e pulito (o Jupyter Notebooks), file di pesi del modello addestrato (.pt o .h5), script di preprocessing del dataset, output di valutazione visiva (matrice di confusione, curve di perdita/accuratezza, curve ROC) e heatmap Grad-CAM++.
Possiamo firmare un NDA o garantire che il mio dataset di ricerca proprietario rimanga privato?
Assolutamente sì. Prendo molto sul serio la privacy dei dati. Il tuo dataset e il codice del progetto rimarranno al 100% riservati e non verranno mai condivisi, pubblicati o riutilizzati in alcuna forma. Sono pienamente disponibile a firmare un accordo di non divulgazione (NDA) prima che tu invii i file.
