Terug naar overzicht
Vandaag zichtbaar op IKONSNieuwPopulair
LimburgHybride38 uur/week6-12mnd
Bijdragen aan de vooruitgang van AI in medische beeldvorming.
- Onderzoek doen naar verklaarbare kunstmatige intelligentie en fundamentele modellen voor CT-beeldvorming.
- Nieuwe methoden ontwikkelen en evalueren, met een sterke focus op methodologische innovatie, rigoureuze validatie en klinische relevantie.
- Het doel is om nieuwe AI-methoden te ontwikkelen voor verklaarbaarheid in medische beeldvorming, inclusief diffusiemodel-gebaseerde benaderingen, en om fundamentele modellen voor CT te bevorderen door modelontwikkeling, training, evaluatie en externe validatie.
- Je werkt in een interdisciplinaire omgeving die kunstmatige intelligentie, medische beeldvorming en klinische vertaling met elkaar verbindt.
Wat je doet
- Een vierjarig doctoraal onderzoeksproject uitvoeren dat leidt tot een proefschrift.
- Nieuwe methoden ontwikkelen en evalueren voor verklaarbare AI in medische beeldvorming, met bijzondere aandacht voor het gebruik van diffusiemodellen voor verklaring en interpretatie.
- Bijdragen aan het ontwerp, de training, aanpassing en externe validatie van fundamentele modellen voor CT-beelden.
Wat ze vragen
- Een analytische en nieuwsgierige onderzoeker met interesse in technisch innovatief onderzoek op het snijvlak van kunstmatige intelligentie, medische beeldvorming en klinische vertaling.
- Geniet van het aanpakken van complexe problemen en het werken in een interdisciplinaire en internationale omgeving.
- Neemt eigenaarschap van het werk en ontwikkelt zich als een onafhankelijke onderzoeker.
- Benadert onderzoek systematisch en heeft ervaring met het ontwikkelen van goed gestructureerde, gedocumenteerde en reproduceerbare onderzoekscode.
- Organiseert experimenten op een manier die reproduceerbare resultaten mogelijk maakt en het werk door anderen kan worden begrepen en verder ontwikkeld.
- Gemotiveerd om zich verder te ontwikkelen als onafhankelijke onderzoeker en de PhD succesvol af te ronden binnen de aanstellingsperiode.
- Een Masterdiploma in Kunstmatige Intelligentie, Computerwetenschappen, Biomedische Technologie, Medische Beeldanalyse, Toegepaste Wiskunde, Data Science, of een nauw verwant vakgebied.
- Een solide theoretische en praktische achtergrond in machine learning en deep learning, inclusief ervaring met het ontwikkelen, trainen en evalueren van modellen, bij voorkeur voor beeldanalysetaken.
- Sterke programmeervaardigheden in Python, inclusief het vermogen om code te ontwikkelen en aan te passen voor machine learning-experimenten, deep learning-modellen te trainen en te evalueren, en experimentele resultaten te verwerken en te analyseren.
- Praktische ervaring met een deep learning-framework, bij voorkeur PyTorch.
- Kennis van, of sterke interesse in, de principes van generatieve modellering en interesse in het toepassen en verder ontwikkelen van generatieve benaderingen, inclusief diffusiemodellen, voor medische beeldvorming.
- C1-niveau Engelse taalvaardigheid (geschreven en gesproken).
Wensen
- Ervaring met verklaarbare AI, onzekerheidsschatting, betrouwbare AI of modelinterpreteerbaarheid.
- Ervaring met generatieve modellen, met name diffusiemodellen.
- Ervaring met fundamentele modellen, zelf-gesuperviseerd leren, representatie leren of grootschalige pretraining.
- Ervaring met medische beeldvorming, met name CT, en bijbehorende beeldformaten of verwerkingsworkflows.
- Bekendheid met DICOM, NIfTI, beeldregistratie, segmentatie of radiologische beeldanalyse-pipelines.
- Ervaring met high-performance computing, gedistribueerde training of werken met grote beeldgegevenssets.
- Ervaring met het evalueren van modellen op heterogene of multi-center gegevens.
- Een masterscriptie, publicatie, onderzoeksstage of open-source project relevant voor de functie.
Hoe solliciteren?
Bekijk de volledige opdrachttekst en sollicitatie-informatie zodra je sollicitatie op maat klaarstaat.
Bestel een sollicitatie op maat om de volledige opdracht en sollicitatie-informatie te bekijken.
Meer context, minder losse zoekuren.
Je krijgt net genoeg context om te beoordelen of deze opdracht interessant is. De volledige briefing, klantdetails en vervolgstappen blijven beschikbaar in de app.