智能互联达摩院-医疗影像感知理解算法工程师-医疗AI
任职要求
1、计算机科学、人工智能、电子工程、生物医学工程等相关专业的硕士或博士毕业，在视觉生成或者医疗影像AI上有实际的研发经历，精通深度学习、机器学习、计算机视觉及医学影像处理，工业界相关研发工作经验不少于一年。 2、熟悉视觉自监督预训练主流算法，如SSL、VLP、生成理解一体化等，有实际影像预训练相关的应用落地经验。 3、熟悉感知理解下游任务，如分割、检测、分类等，有实际影像感知理解的应用落地经验。 4、熟悉医疗影像数据，能够根据不同医学影像特性进行数据处理和算法设计，或者对于医疗AI有强烈兴趣。 5、熟悉主流深度学习框架（如PyTorch、TensorFlow），并具备Transformer、CNN等典型深度学习模型的原理及实现经验。熟练掌握编程…
工作职责
达摩院医疗AI实验室基础技术团队通过研究计算机视觉技术来解决医疗影像AI中的科学和应用难题，团队成员主要来自国内外知名视觉实验室或者医疗影像AI实验室，且曾获得过斯坦福大学全球top2%顶尖科学家，清华大学AMiner AI Top2000等荣誉。近五年团队在CVPR/ICCV/NeurIPS/ICLR/ICML/TPAMI/IJCV等顶会顶刊发表论文超百篇，并曾获CVPR 2022 Best Student Paper奖项。目前，达摩院医疗AI实验室“一扫多筛”产品已经在多家医疗成功落地，多篇相关成果在nature medicine发表。但是，传统的影像感知理解模型主要依赖在专门标注的数据上训练专有小模型，且每个专病都需要一个专模，存在数据标注成本高、专模泛化困难等挑战。为了解决该难题，我们正在研发医疗影像界的基础模型，包括不限于大规模自监督/弱监督预训练、分割/分类基础模型等。我们期待医疗影像领域的基础模型能够提供更通用泛化的领域先验，从而解决严重医疗标注数据、多中心泛化困难、新病/罕见病迁移困难等一系列难题。我们欢迎视觉背景和医疗影像AI背景的英才加入团队，与我们一起将医疗AI推入基础大模型时代。 1. 负责医疗影像大规模预训练算法的研发，包括但不限于自监督预训练SSL、弱监督预训练VLP、Unified预训练等。 2. 负责医疗影像感知理解基础模型的研发及应用，包括但不限于多器官多病灶分割基础模型、多病灶分类基础模型、影像报告生成等。 3. 推动算法落地，与医院和医生保持沟通合作，分析应用场景中的算法问题，能够根据具体问题选择并设计合适的模型和技术方案。 4. 持续视觉和医疗影像AI前沿技术与发展热点，产出高水平论文，建立行业影响力。
达摩院医疗AI实验室基础技术团队通过研究计算机视觉技术来解决医疗影像AI中的科学和应用难题，团队成员主要来自国内外知名视觉实验室或者医疗影像AI实验室，且曾获得过斯坦福大学全球top2%顶尖科学家，清华大学AMiner AI Top2000等荣誉。近五年团队在CVPR/ICCV/NeurIPS/ICLR/ICML/TPAMI/IJCV等顶会顶刊发表论文超百篇，并曾获CVPR 2022 Best Student Paper奖项。目前，达摩院医疗AI实验室“一扫多筛”产品已经在多家医疗成功落地，多篇相关成果在nature medicine发表。但是，医疗数据相比通用数据获取和标注难度大得多，医疗数据稀缺问题依然是行业未解的难题。为了解决该难题，我们正在研发医疗领域的“SORA”模型，构建医疗影像数据生成的基础生成模型。我们期待该模型能够高度可控合成高质量医学影像数据，从而解决数据稀缺、数据质量良莠不齐、数据标注成本高昂、多中心分布差异、罕见病例难获取、预测病灶演变、影像质量增强等一系列医疗影像数据难题。我们欢迎视觉背景和医疗影像AI背景的英才加入团队，与我们一起将医疗AI推入基础大模型时代。 1. 负责医疗影像生成基础模型及其下游影像合成应用算法研发，包括但不限于基础模型训练、生成模型post-training算法、病灶合成算法、影像增强算法、罕见病影响合成算法、生成算法训练推理优化、生成理解一体化等。 2. 负责医疗影像数据的分析和处理，通过分析影像本身和对应的影像报告挖掘其中高质量的信息，为生成算法提供数据基础。 3. 推动算法落地，与医院和医生保持沟通合作，分析应用场景中的算法问题，能够根据具体问题选择并设计合适的模型和技术方案。 4. 持续视觉和医疗影像AI前沿技术与发展热点，产出高水平论文，建立行业影响力。
核心职责 1. 销售执行：负责指定省份的医疗影像AI产品销售，完成月度/季度业绩指标（重点客户：三甲医院、民营影像中心）。 2. 客户管理：开发新客户，维护老客户关系，组织产品演示及临床培训。 3. 市场反馈：收集医院使用反馈（如AI算法准确性、系统兼容性），推动产品优化。 4. 竞品分析：监测区域内竞品动态，制定差异化销售策略。 5. 协作支持：配合大区经理参与招投标，提交销售预测及客户档案。 6. 合规执行：严格遵守医疗行业反商业贿赂法规，确保销售行为合规。
核心职责 1. 参与制定并执行大区销售策略。 2. 团队管理：招聘、培训及管理销售经理，布置工作安排，优化团队绩效，提升医疗行业销售技能。 3. 客户开发：主导大区内三甲医院、区域医疗中心的高层关系维护，推动产品入院及规模化采购。 4. 市场协作：与产品、研发部门紧密合作，反馈临床需求，参与产品迭代及区域推广活动。 5. 渠道拓展：开发并管理渠道，按照区域情况分解指标，配合渠道推动工作达成。 6. 合规管理：确保销售流程符合医疗行业法规（如《医疗器械监督管理条例》），规避商业风险。
达摩院医疗AI实验室基础技术团队通过研究计算机视觉技术来解决医疗影像AI中的科学和应用难题，团队成员主要来自国内外知名视觉实验室或者医疗影像AI实验室，且曾获得过斯坦福大学全球top2%顶尖科学家，清华大学AMiner AI Top2000等荣誉。近五年团队在CVPR/ICCV/NeurIPS/ICLR/ICML/TPAMI/IJCV等顶会顶刊发表论文超百篇，并曾获CVPR 2022 Best Student Paper奖项。目前，达摩院医疗AI实验室“一扫多筛”产品已经在多家医疗成功落地，多篇相关成果在nature medicine发表。但是，医疗数据相比通用数据获取和标注难度大得多，医疗数据稀缺问题依然是行业未解的难题。为了解决该难题，我们正在研发医疗领域的“SORA”模型，构建医疗影像数据生成的基础生成模型。我们期待该模型能够高度可控合成高质量医学影像数据，从而解决数据稀缺、数据质量良莠不齐、数据标注成本高昂、多中心分布差异、罕见病例难获取、预测病灶演变、影像质量增强等一系列医疗影像数据难题。我们欢迎视觉背景和医疗影像AI背景的英才加入团队，与我们一起将医疗AI推入基础大模型时代。 1. 负责医疗影像生成基础模型及其下游影像合成应用算法研发，包括但不限于基础模型训练、生成模型post-training算法、病灶合成算法、影像增强算法、罕见病影响合成算法、生成算法训练推理优化、生成理解一体化等。 2. 负责医疗影像数据的分析和处理，通过分析影像本身和对应的影像报告挖掘其中高质量的信息，为生成算法提供数据基础。 3. 推动算法落地，与医院和医生保持沟通合作，分析应用场景中的算法问题，能够根据具体问题选择并设计合适的模型和技术方案。 4. 持续视觉和医疗影像AI前沿技术与发展热点，产出高水平论文，建立行业影响力。