IT人力外包人才简历库

精通医学影像处理全流程技术栈，包括DICOM格式解析、NIfTI数据处理、图像预处理（去噪/配准/增强）、深度学习模型开发（TensorFlow/PyTorch）、三维重建算法（VTK/ITK）、图像分割（U-Net/DeepLab）、目标检测（YOLOv5/RetinaNet）、图像分类（ResNet/Inception）、医学影像标注工具（ITK-SNAP）、医学影像数据库构建与管理、多模态数据融合分析、医学影像质量评估指标（Dice系数/灵敏度/特异度）

主导医学影像智能分析系统研发，构建完整的医学影像处理技术栈，涵盖DICOM格式解析、图像预处理、深度学习模型开发及三维重建算法。设计并实现多模态医学影像分析框架，支持冠脉CTA、头颈CTA、超声心动图等多类型影像的智能分割与量化分析。开发基于深度学习的病变检测系统，实现95%以上的检测准确率。主导医学影像数据库构建，建立标准化标注流程，提升数据处理效率30%。完成多个医学影像AI产品的临床验证，推动算法在实际医疗场景中的应用。

1. 冠脉CTA智能分析系统：开发基于U-Net的三维血管分割算法，实现冠脉主干及分支的精准分割，分割准确率提升至92%。采用多尺度特征融合技术解决血管细小分支检测难题，开发自动化标注工具提升数据标注效率。2. 头颈CTA血管分割：构建基于Transformer的多尺度特征提取模型，提升复杂解剖结构的分割精度。设计血管形态学分析模块，实现动脉瘤检测准确率95%。3. 超声心动图智能分析：开发基于DeepLabv3+的组织分割算法，实现心肌厚度、位移等量化指标的自动计算。构建多模态数据融合分析框架，提升心功能评估的准确性。4. 胸部CTA病变检测：设计基于YOLOv5的病变检测系统，实现肺结节、肺炎、肋骨骨折的多病种联合检测，检测灵敏度达98%。5. 脑部灌注分析系统：开发基于深度学习的CTP灌注参数计算算法，实现ASPECT评分自动化，提升急性脑卒中评估效率。