研究型实习生-面向连续学习的多智能体全身多模态高精度器官分割系统及多发癌肿多学科决策智能辅助诊疗平台

岗位职责

研究领域： 多模态医学影像处理 项目简介： 随着肿瘤诊疗向多学科协作（MDT）和精准医疗快速发展，临床对全身多器官、原发灶及转移灶以及关键功能结构的精细化识别和量化评估需求显著提升，而现有医学影像 AI 多集中于单部位、单病种或单模态（多为 CT），在多中心、多设备、多模态（CT/MRI/PET-CT）条件下难以保持稳定性能，也缺乏对新器官、新病种、新人群的持续适应能力；在实际 MDT 流程中，器官/肿瘤分割结果往往与临床路径、预后预测和决策支持系统相互割裂，难以形成可解释、可追溯的“影像结构化表型 → 治疗决策”一体化智能系统；同时，真实世界临床数据质控水平不一、标注成本高且随时间不断累积演化，传统一次性训练的模型难以长期维持性能，更缺乏在多中心部署后利用医生反馈持续迭代优化的机制，因此迫切需要一种面向连续学习的全身多模态高精度分割基础设施，既能在复杂、异质的影像数据中稳定识别多器官和多类肿瘤，又可与 MDT 决策流程深度耦合，实现从数据治理、模型训练、多智能体协同推理到临床应用与再学习的全流程闭环。

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++、Golang、Java、MDT诊疗模式、Python、临床决策支持系统、临床数据治理、全身器官分割、全身解剖结构分割、分布式医疗AI部署、医学多模态影像处理、医学影像结构化表型、医学数据质量管理、医疗、医疗决策辅助系统、医疗多学科会诊、医疗数据治理、原发与转移病灶、原发及继发肿瘤病灶、发表算法相关优秀论文、图像算法、在线持续学习、增量学习、多Agent协同、多中心临床部署、多器官联合分割、多智能体系统、多模态医学图像分析、多模态医学影像分析、多模态算法、影像衍生表型、影像表型量化、持续学习、智能临床决策支持、智能体协同推理、机器学习、深度学习、算法工程化经验、肿瘤原发灶与转移灶、肿瘤多学科诊疗、跨中心模型部署