研究型实习生-AI多模态心脏影像及时间序列诊断

岗位职责

研究领域： 医学多模态学习 项目简介： 疾病与影像痛点：心肌病、心肌炎、缺血性心脏病等多种心脏疾病在临床表现上高度重叠，依赖影像学精准鉴别；延迟钆增强MRI（LGE-CMR）是评估心肌纤维化与瘢痕的金标准，但需注射造影剂，存在肾功能受损患者禁忌、检查流程繁琐、成本高昂等临床应用壁垒。心电图（ECG）与可穿戴设备虽已广泛普及，但现有算法多局限于单一任务（如房颤检测），难以在低标注场景下实现跨疾病的系统性风险预测与表征迁移。 数据与技术机遇：大规模CMR数据库（如UK Biobank）与多导联ECG数据库的开放，为自监督预训练与多任务学习提供了坚实基础；生成模型（如扩散模型、流匹配）在医学影像合成领域的快速发展，为无造影剂LGE生成提供了技术路径。 自监督表征学习与多模态融合技术的成熟，使得从12导ECG及可穿戴单导联信号中学习心脏结构与功能表征成为可能，支持在资源受限的临床场景下实现高质量的疾病预测。

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 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -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 -在国际会议上或核心期刊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

C/C++、CMR、ECG、Golang、Java、LGE-MRI、Python、医学多模态融合、医学多模态表征学习、医学影像生成、医疗、十二导联心电图、单导联心电图、去噪扩散概率模型、发表算法相关优秀论文、可穿戴心电监测、可穿戴生理信号采集、多任务建模、多模态算法、多疾病联合建模、延迟强化心脏磁共振、心电图信号、心脏MRI、扩散生成模型、无造影剂LGE生成、机器学习、流匹配模型、深度学习、算法工程化经验、自监督学习、自监督表征、连续归一化流