Ett fullstack DevOps-projekt för en demo-radiologiplattform där medicinska bildstudier tas emot, anonymiseras, lagras, analyseras med AI och övervakas genom en komplett containeriserad miljö.
- Byggde en lokal Docker Compose-stack med Orthanc, PostgreSQL, MinIO, FastAPI, AI-inference, Prometheus och Grafana
- Implementerade en DICOM-pipeline för metadata-extraktion, anonymisering, preview-generering och uppladdning till S3-kompatibel objektlagring
- Utvecklade ett FastAPI-baserat backend-API och dashboard för studier, bildvisning, AI-resultat, audit events och operativa länkar
- Integrerade en separat AI-inference-service med TorchXRayVision DenseNet121 för chest X-ray findings, confidence scores och heatmap-generering
- Sparade AI-resultat, metadata och audit-loggar i PostgreSQL för spårbarhet och historik
- Byggde en demo-workflow för radiographer upload och doctor review med automatiserad AI-bearbetning
- Satte upp Prometheus-metrics och Grafana dashboards för både API och AI-service
- Implementerade backup- och restore-flöden för PostgreSQL, MinIO och Orthanc
- Verifierade CI med GitHub Actions genom riktiga push-, pull request- och merge-flöden
- Driftsatte plattformen över tre Hetzner VPS-noder för app, data/imaging och monitoring, med privat nätverk och Docker Compose per node