通用医学影像大模型研发工程师

1.设计和研发具有通用能力的医学影像基座大模型； 2.优化模型架构，实现少量数据条件下的高性能表现； 3.研究并应用前沿模型（如Transformer、CLIP等）在医学影像领域的创新； 4.开发下游任务的迁移方案，提升模型在实际应用中的效果； 5.深入参与视觉算法的研发和迭代，包括图像分类、目标检测、实例分割、语义分割等； 6.解决医学影像分析中的复杂问题，提升模型的通用性和鲁棒性。

1.硕士及以上学历，计算机科学、人工智能、机器学习等相关专业； 2.有大模型或基座模型的研发经验，熟悉预训练、迁移学习等技术； 3.精通深度学习框架，如PyTorch、TensorFlow； 4.熟悉图像分类、目标检测、图像分割等算法，有实际项目经验； 5.具有创新能力，能跟踪并应用最新研究成果； 6.良好的团队合作精神和沟通能力。 加分项： 1.在顶级AI会议（如CVPR、NeurIPS、ICML）发表过论文； 2.有医学影像处理相关经验； 3.熟悉多模态模型（如CLIP）或有视频分析经验。

医学AI前沿领域深度实践 聚焦染色体核型分析、医学影像智能诊断等医疗场景，涉及深度学习、计算机视觉等核心技术，算法成果直接应用于AutoVision（智能分析软件）及MetaSight（医疗设备），推动辅助生殖、遗传病诊断等临床技术的革新。 跨学科协同与全栈技术落地 与生物医学专家、硬件工程师紧密合作，贯通算法研发-数据标注-模型优化-嵌入式部署全链路，覆盖云端分析到边缘计算的多场景需求，实现从理论到医疗产品的闭环验证，技术价值可量化且具备行业壁垒。