Postdoktor i deep learning för förbättrad diagnostik inom patolo

Linköpings universitet / Sjukgymnastjobb / Linköping
Observera att sista ansökningsdag har passerat.

Visa alla sjukgymnastjobb i Linköping, Mjölby, Åtvidaberg, Finspång, Motala eller i hela Sverige
Visa alla jobb hos Linköpings universitet i Linköping, Finspång, Motala, Norrköping, Kinda eller i hela Sverige

LINKÖPINGS UNIVERSITET ledigförklarar en anställning som Postdoktor i deep learning för förbättrad diagnostik inom patologi med placering vid Institutionen för medicin och hälsa

Publiceringsdatum
2019-02-21

Dina arbetsuppgifter
En postdoktor ska i huvudsak bedriva forskning. Även undervisning kan ingå i arbetsuppgifterna, dock till högst en femtedel av arbetstiden.

Diagnostik inom patologi är en central del av vårdkedjan för många patienter. Diagnostisk patologi handlar om att studera patienters vävnadsprover för att detektera och klassificera sjukdomstillstånd, till stor del baserat på undersökning i mikroskop. För närvarande pågår ett skifte från konventionell mikroskopi till att nyttja skannade digitala bilder. I och med detta uppstår möjligheten att använda datorstöd i diagnostiken. Forskningsfronten visar att metoder inom maskininlärning, inte minst deep learning, har stor potential för att göra bedömningar av patologibilder. Vi har nu nått nivån där datorer för vissa uppgifter kan prestera lika bra som mänskliga experter.

CMIV startar nu ett forskningsspår inom artificiell intelligens för patologi (computational pathology), i samarbete med patologiavdelningen vid Universitetssjukhuset i Linköping och forskningsgruppen för computational pathology vid Radboud University Medical Center i Nijmegen, Nederländerna. Du kommer att arbeta i nära samarbete med kliniker, ha tillgång till högklassig teknisk infrastruktur vid CMIV och till den stora erfarenheten av deep learning-tekniker hos Nijmegen-gruppen. För att på bästa sätt dra nytta av samarbetet med Nederländerna, kommer internationella besök vara en del av tjänsten. Läs mer om CMIV www.liu.se/cmiv

Metodutvecklingen kommer i detta projekt vara på en mycket hög teknisk nivå och också grundligt adressera kraven från verklig klinisk användning. Dessa krav inkluderar hög prestanda för stora dataset och god anpassning till faktiska kliniska arbetsflöden. Du kommer arbeta i en miljö med många andra experter med liknande mål, innefattande nära samarbete med ledande patologer och industriella parter såsom Sectra.

Behörighet
Behörig till anställning som postdoktor är den som har avlagt doktorsexamen eller har en utländsk examen som bedöms motsvara doktorsexamen, och som har avlagt examen högst tre år före ansökningstidens utgång.
Vi letar efter en starkt motiverad och kreativ forskare med doktorsgrad i datavetenskap, fysik, biomedicin, eller liknande områden. Du har ett starkt intresse för maskininlärning, deep learning, och bildanalys och har erfarenhet av medicinska tillämpningar. Du behöver ha god kommunikativ förmåga och expertis inom mjukvaruutveckling, helst med erfarenhet av Python/C++. Erfarenhet av deep learning är meriterande.

Facklig kontakt
För kontakt med fackliga kontaktpersoner se nedan.

För mer information om anställningen:
Läs mer och ansök här

Linköpings universitet ska fortsätta att utvecklas som en attraktiv och kreativ arbetsplats som präglas av lika villkor och arbetar därför aktivt för jämställdhet och mångfald.

Välkommen med din ansökan!

Linköpings universitet har upphandlade avtal och undanber oss direktkontakt från bemannings- och rekryteringsföretag samt försäljare av platsannonser.

Varaktighet, arbetstid
Heltid/ Ej specificerat

Ersättning
Individuell lönesättning

Så ansöker du
Sista dag att ansöka är 2019-03-27
Klicka på denna länk för att göra din ansökan

Företag
Linköpings Universitet

Adress
Linköpings Universitet
Linköpings universitet
58183 Linköping

Kontorsadress
Linköpings universitet

Jobbnummer
4627562

Observera att sista ansökningsdag har passerat.

Postdoktor i deep learning för förbättrad diagnostik inom patolo

Prenumerera på jobb från Linköpings universitet