KI-App für medizinische Bildgebung
Medizinisches Produkt, das Röntgenbilder von Gelenken mit einer ML-Pipeline analysiert, umgesetzt direkt im Engineering-Workflow des Kunden.
45+ Aufgaben • 3 Beteiligte • 4 Abteilungen
Herausforderung
Die Backend-Arbeit musste in eine ML-Codebasis und einen GitHub-Issue-Ablauf passen, die dem Kunden gehörten.
Ergebnis
Backend- und ML-Pipeline-Umsetzung Issue für Issue im GitHub-Ablauf des Kunden koordiniert: Authentifizierung für Ärzte und Patienten, Bildverlauf und Pipeline-Orchestrierung.
Mein Beitrag
Koordinierte die Pipeline-Orchestrierung mit Celery und RabbitMQ, eine Azure-Datenbankmigration, API- und Schemaänderungen sowie Authentifizierungs- und Verifizierungsabläufe im Takt mit dem internen ML-Team des Kunden.
Was ausgeliefert wurde
- KI-Bildgebungs-Workflow, umgesetzt in der ML-Codebasis des Kunden
- Authentifizierung für Ärzte und Patienten sowie Bildverlauf
- Pipeline-Orchestrierung mit Celery/RabbitMQ, Azure-Datenbankmigration
Projektteam
Team: 2 Backend, 1 PM/BA.
Technologien
- Python
- Celery
- RabbitMQ
- Azure
- PostgreSQL
- ML-Pipeline-Integration
- GitHub