Módulo de segmentación semántica utilizando foundation models en imágenes médicas
Objetivo GeneralInvestigar y desarrollar métodos de procesamiento de imágenes médicas (SPECT, PET, CT y MRI) mediante técnicas de aprendizaje profundo para reconstrucción 3D, segmentación semántica y mejora de calidad de datos.
Desarrollo de modelos de segmentación semántica y aprendizaje profundo para asociar regiones contextuales, permitiendo reconstrucciones temáticas y localización de entidades en imágenes médicas (SPECT, PET, CT, y MRI).
Se emplearán algoritmos de aprendizaje automático, los cuales permitirán optimizar la segmentación, la detección de correspondencias y mejorar la reconstrucción de superficies complejas, favoreciendo aplicaciones en el área del diagnóstico médico.
Programación de algoritmos, etiquetado y confección del set de datos, entrenamiento y evaluación de modelos con arquitecturas de aprendizaje automático. Publicar un trabajo en un congreso nacional.
- Conocimientos de Python.
- (deseable) Aprendizaje Automático.
- (deseable) Visión por computadora.
- (deseable) Entrenamiento de modelos con Keras, TensorFlow o PyTorch.