Создание DLaaS решения для задач медицинской сегментации

Тип:

Описание проекта:

Размер команды: 2 команды, не более чем 5 человек каждая. Разделение по сфере деятельности: сегментация объемной медицинской визуализации или сегментация данных гистологии и цитологии.

Кому подойдет этот проект: этот проект подойдет тем, кто хочет заниматься Web-программированием, аналитической работой и менеджментом продукта. Тем кто хочет искать пути коммерциализации научных исследований и создания стартапов по методологии Lean startup.

На текущий момент имеются следующие ресурсы и наработки: результаты прохождения акселератора УрФУ: анализ рынка, презентации перед инвесторами, замечания экспертов и т.д. Технические наработки по нейросетям, обученных решать различные задачи медицинской сегментации. Технические наработки для сайта основанного на Node.js и Vue.js c git, continuous integration и unit-тестами.

Проблема: создание физического устройства в виде приставки к микроскопу или дополнительной программы к аппарату компьютерной томографии подразумевает продвижение MVP через участие в выставках. Так как участие в выставках требует постоянных затрат на командировки, это не дает возможность запустить проект. По этой причине мы должны создать технический прототип, размещенный в сети Интернет, привлечь на него потенциальных клиентов и на основании их действий довести проект до минимально жизнеспособного продукта (MVP - minimum viable product).

Видение проекта: создать технический прототип (proof-of-work) и развить его до минимально жизнеспособного продукта (Minimal Viable Product) в соответствии с методологией бережливого стартапа (Lean Startup).

Предлагаемые подходы к решению проблемы: создание сайтов на Node.js, Vue.js. Google/Yandex аналитика для проекта, Lean Startup как методология работы

Выполнение проекта требует знаний или умения быстро их приобретать в зависимости от вашей роли:

Программист: JS или Python с соответствующими фреймворками для Web;
Дизайнер: прототипирование в Figma и Web-верстка;
Аналитик и менеджер продукта: навыки глубокого интервьюирования, патентного анализа, методологии Lean Startup, гибкие методологии разработки;

Data Engineer-ы и Data Scientist-ы будут предоставлены другими командами.

Куратор: Ушенин Константин

Цель: Онлайн лаборатория по обработке данных гистологии, цитологии или данных медицинской объемной визуализации доступная в сети Интернет как Deep-Learning-as-a-Service (DLaaS) решение.

Ожидаемый результат: