人工智能研发科学家(医学AI/ML)

寻找博士/科学家背景、具有很强机器学习编程与模型训练能力、真正训练过医学 AI 模型的人才。优先考虑具有 ECG 等生理信号，以及 Echo、CT、MRI 等医学影像 AI 研发经验，能够独立完成从医学数据处理、深度学习模型设计与训练，到模型验证和工程化落地的完整研发工作。

【核心职责】

1. 医学 AI/ML 模型研发

· 负责医学人工智能与机器学习算法的设计、开发和训练；

· 基于 ECG、Echo、CT、MRI 等医学数据，设计和训练深度学习模型；

· 根据不同医学问题完成数据预处理、特征提取、模型设计、训练、调参、验证及误差分析；

· 开发分类、检测、分割、预测、回归、表征学习等人工智能模型；

· 持续跟踪并应用先进 AI/ML 技术，提高模型性能、泛化能力、可解释性和计算效率。

2. 深度学习模型设计与训练

· 熟练应用并能够根据医学问题设计、训练和优化主流深度学习模型，包括但不限于：CNN、ResNet、Transformer、ViT、U-Net 及医学图像分割网络，RNN/LSTM 及时间序列模型，Autoencoder、自监督学习模型、多模态深度学习模型，以及医学基础模型等先进神经网络架构；

· 能够独立完成：数据集构建 → 模型架构搭建 → 模型训练 → 参数调优 → 模型验证 → 误差分析 → 模型优化与解释的完整机器学习研发流程；

· 能够针对真实医学数据和具体临床问题进行模型选择、架构改进和训练策略优化，而不仅限于调用已有模型或 API。

3. 生理信号智能分析——心电产品 AI 模型研发（工作重点）

围绕 ECG 及其他动态生理信号开展机器学习模型研发，包括：

· ECG 心电信号检测、分类、分割及预测；

· 心律失常及异常心电事件智能识别；

· 长程 ECG 时间序列分析与预测；

· 生理信号去噪、特征提取及表征学习；

· 探索 ECG 及其他生理信号的自监督学习、基础模型及新型深度学习方法；

· 推动 AI 模型进入心电产品的算法验证、临床验证和注册转化。

4. 医学影像 AI 模型研发——超声分析软件 AI 模型研发

围绕 Echo、CT、MRI 等医学影像开展人工智能算法研发，包括：

· 医学图像分类、检测和分割；

· 超声视频及动态医学影像分析；

· 医学影像重建、增强及质量优化；

· 三维医学影像及动态影像智能分析；

· 在心血管方向，探索利用 AI 实现心脏结构识别、功能参数自动计算、疾病状态识别及预测；

· 推动 AI 模型进入超声分析软件的算法验证、临床验证和产品转化。

5. 多模态医学人工智能

· 研究不同类型医学数据之间的联合建模方法；

· 探索 ECG + Echo、ECG + CT/MRI、医学影像 + 生理信号 + 临床数据等多模态融合；

· 建立医学时间序列、医学影像及临床数据的统一表征模型；

· 研究多模态 Transformer、医学基础模型及医学大模型；

· 探索医学 AI 从单一任务模型向多模态智能模型、物理AI 和医学 Agent演进。

6. 模型验证与工程化落地

· 负责大规模医学数据集上的模型训练及性能优化；

· 建立规范、可复现的训练、验证和测试流程；

· 开展模型准确性、敏感性、特异性、鲁棒性、泛化能力及可解释性分析；

· 开展跨医院、跨设备、跨人群数据的模型泛化验证；

· 开展模型压缩、推理优化及计算性能优化；

· 与软件及工程团队合作，推动算法部署、系统集成和产品化；

· 支持人工智能医疗产品的临床研究、注册验证及医疗器械产品转化。

【岗位要求】

核心画像：博士科研背景 + 强 Python/PyTorch 编程 + 真正训练过 ECG/Echo/CT/MRI 等医学 AI/ML 模型（尤其是ECG和生物电信号）。

· 人工智能、计算机科学、生物医学工程（BME）、医学影像、电子工程、应用数学、生物信息学或相关专业博士学历，优秀博士后优先；

· 具有扎实的机器学习、深度学习及人工智能算法基础和编程能力；

· 具有很强的机器学习编程和模型训练能力，能够独立完成从医学数据处理、模型设计和训练，到验证、优化及工程实现的完整研发流程；

· 熟练使用 Python 和 PyTorch，熟悉 TensorFlow、JAX、Scikit-learn 等人工智能研发工具者优先；

· 熟悉 CNN、ResNet、Transformer、ViT、U-Net 等主流深度学习架构；

· 具有实际深度学习模型训练经验，而不仅限于数据分析、统计分析或调用已有模型/API；

· 具有 ECG、Echo、CT、MRI 等至少一种医学数据的 AI 模型研发和训练经验；具有两种及以上医学数据建模经验者优先；

· 熟悉分类、检测、分割、时间序列预测、表征学习、多模态学习等一种或多种机器学习任务；

· 具备良好的医学数据处理能力，能够处理真实世界数据中的噪声、缺失、类别不平衡、设备差异及数据异质性等问题；

· 具备独立开展科研与算法研发工作的能力，能够快速理解医学问题并将其转化为可执行的机器学习任务；

· 具有良好的代码质量意识、实验设计能力、问题分析能力和工程实现能力；

· 具备良好的英文科研阅读、写作及国际交流能力。

【优先考虑】

具有以下一种或多种背景者优先：

• 具有 ECG、Echo、CT、MRI 医学 AI 模型实际训练经验；
• 具有生理信号和医学影像 AI 研发经验；
• 具有大规模医学数据或多中心临床数据模型训练经验；
• 具有自监督学习、迁移学习、Foundation Model研发经验；
• 具有 GPU/CUDA、分布式训练或大规模模型训练经验；
• 顶尖高校博士或博士后；
• 国际知名 AI、医学 AI 或生物医学工程实验室研究经历；
• 医疗器械、医学影像或医疗 AI 企业研发经验；
• 在人工智能、机器学习、医学影像、生物医学工程等领域发表高水平论文。

【平台与机会】

· 参与建设下一代物理 AI + 医学创新基础平台（MedWorld）；

· 直接参与心电、超声等真实医学数据及产品的 AI 模型研发，并参与医疗 AI 产品的临床验证和注册转化；

· 接触大规模、多中心、多模态真实世界医学数据；

· 直接参与心血管领域顶级临床专家开展深度合作；

· 参与开发面向全球市场的医学人工智能及智能医疗器械产品；

· 探索 ECG、EEG、Echo、CT、MRI + AI 的下一代医学智能技术；

· 探索多模态医学基础模型、Physical AI、Digital Twin 和医学 Agent；

· 推动人工智能从模型训练 → 临床验证 → 医疗器械 → 产品应用的完整产业转化；

· 参与国际高水平论文、专利及核心技术体系建设；

· 共同定义下一代人工智能驱动医学创新的新范式。

Work Location: 现场办公