研究型实习生-面向精准诊疗的全身CT多模态基础模型与智能结构化报告系统

岗位职责

研究领域： 多模态医学影像处理 项目简介： 本项目旨在通过系统性的两阶段研究计划，全面革新全身CT影像的人工智能分析技术范式。当前，CT影像AI在临床实际应用中仍面临三大核心挑战：一是模型功能高度碎片化，难以实现跨病种、跨解剖区域的一体化分析；二是算法决策过程缺乏透明度，呈现“黑盒化”特征，阻碍医生对结果的信任与采纳；三是现有AI系统普遍缺乏对复杂临床场景的多步推理与上下文理解能力，难以支持高阶诊断任务。针对上述问题，本项目将从底层架构到临床落地协同推进，构建具备可解释性、泛化性和高级推理能力的新一代全身CT智能分析体系，推动医学影像AI从“辅助工具”向“临床伙伴”的实质性跃迁。

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -掌握计算机视觉领域的基础理论和方法，多模态数据处理算法，熟悉PyTorch等主流深度学习框架 -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在人工智能国际会议上（如ICLR、NeurIPS、ICML、CVPR、ECCV等）或医学影像期刊（如IEEE TMI、MedIA等）发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

AI分析、Python、PyTorch框架、三维重建、临床推理、全解剖区域、全身CT图像、全身CT数据、全身计算机断层扫描影像、分布式训练、医疗、发表算法相关优秀论文、可解释AI、图像处理库（OpenCV等）、图像算法、复杂推理、多模态医学图像分析、多模态影像融合、多模态算法、多病种、多种疾病、多解剖部位、大模型算法、并行计算、智能分析、智能报告生成、机器学习、机器学习分析、标注、泛化能力、深度学习、深度学习平台、深度神经网络工具、算法工程化经验、结构化影像报告、自动化报告系统、英美留学生、解释性、跨器官、跨模态医学影像处理、跨疾病、迁移能力、透明性、通用性、高阶推理