多模态脑电算法工程师实习生（PSG / 睡眠大模型）

该职位来源于猎聘 岗位职责 1. 参与 PSG（多导睡眠监测）数据采集，协助完成 EEG、EOG、EMG、ECG、血氧、呼吸气流、胸腹呼吸、体位等信号的接入、标定和质量检查。 2. 处理多传感器的采样率差异、时间戳对齐、数据丢包和通道异常，建立统一的数据同步与切片流程。 3. 参与脑电及生理信号预处理，包括带通/陷波滤波、重采样、基线校正、伪迹检测、坏导联识别、分段及归一化。 4. 使用 Python、MNE、SciPy 等工具搭建可复现的 DSP 和数据处理流水线，支持 EDF/BDF 等常见 PSG 数据格式。 5. 参与 多模态生理信号基础模型的复现、微调和评测，用于睡眠分期、觉醒检测、睡眠事件识别等任务。 6. 研究多模态表征对齐与融合方法，包括对比学习、掩码建模、模态丢弃和知识蒸馏。 7. 提升模型在缺失模态场景下的稳定性，使模型经过多模态训练后，仅输入 EEG 或其他单一模态时仍能完成推理，并保持统一的时间窗和输出节奏。 8. 协助整理实验结果、技术文档和数据质量报告，完成模型效果及消融实验分析。 任职要求 1. 生物医学工程、计算机、电子信息、自动化、人工智能或相关专业在读，本科高年级或硕士研究生优先。 2. 熟悉 Python，能够使用 NumPy、Pandas、SciPy 等工具完成数据处理。 3. 了解数字信号处理基础，包括 FFT、采样与混叠、FIR/IIR 滤波、陷波、重采样和频谱分析。 4. 对 EEG 或 PSG 有基本认识，了解导联、采样率、伪迹及睡眠分期等概念。 5. 了解机器学习或深度学习基础，接触过 CNN、Transformer、时序模型中的至少一种。 6. 能够使用 PyTorch 完成基础模型训练、调试和评估。 7. 具备论文阅读和实验复现能力，能够清晰记录实验配置与结果。 加分项 - 使用过 MNE、PyEDFlib、WFDB、Lab Streaming Layer 等工具。 - 接触过 Sleep-EDF、SHHS、MASS、ISRUC-Sleep 或其他公开睡眠数据集。 - 有脑电采集、睡眠实验、可穿戴传感器或医疗设备项目经验。 - 了解自监督学习、多模态融合、跨模态对齐、缺失模态学习或知识蒸馏。 - 复现过 多模态他生理信号基础模型。 - 熟悉睡眠分期指标，如 Macro-F1、Cohen’s Kappa、灵敏度和特异度。