Doktorand i datoriserad bildbehandling med fokus på analys av vävnadsprover 

Doktorand i datoriserad bildbehandling med fokus på analys av vävnadsprover 

Är du intresserad av att utveckla beräkningsverktyg och lärandestrategier för att förstå hälsa och sjukdom utifrån mikroskopibilder? Vill du vara en del av ett forskarteam med skickliga och vänliga kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och fördelaktiga arbetsvillkor? Om svaret är ja, läs mer om följande doktorandtjänst vid Uppsala universitet.

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution och har i dag drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet kommer att ledas av professor Carolina Wählby, inom bildanalysenheten på avdelningen Vi3, tillsammans med forskare som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Forskningen görs i nära samarbete med BioImageInformatics enheten på SciLifeLab. SciLifeLab är en nationell infrastruktur för forskare inom livsvetenskaperna, med unik expertis och teknologi, nära sammanflätad med en gemenskap av forskare inom områden som biomedicin, ekologi och evolution. SciLifeLab samlar forskare över traditionella gränser och främjar samarbeten med industri, sjukvård, offentliga forskningsorganisationer och internationella partners.

Läs mer här om anställning som doktorand vid Uppsala universitet.

Projektbeskrivning
Digital patologi och detektion av cancer baserad på hematoxylin- och eosin (H&E)-färgade vävnadsprover har gjort enorma framsteg under de senaste tio åren tack vare artificiell intelligens, främst i form av djupa faltande neurala nätverk. Parallellt har funktionell analys av vävnadsprover via nya mikroskopitekniker och rumslig omik gjort stora framsteg när det gäller att visualisera många olika sorters biomolekyler samtidigt. Dessa tekniker gör det möjligt att avkoda mönster av molekyler och celler i vävnad för att bättre förstå cellutveckling, mikro-miljöinteraktioner och uppkomst av sjukdom. Forskningen kring kombinationen av AI-baserad analys av H&E-data med rumslig omik är ännu i ett mycket tidigt skede. Syftet med detta projekt är att överbrygga denna klyfta genom utveckling av beräkningsstrategier som kombinerar digital patologi och funktion till funktionell patologi, med fokus på cancerutveckling.

Inom projektet kommer den framgångsrika kandidaten bedriva grundläggande forskning och metodutveckling för att designa och implementera nya beräkningsmodeller och lösningar. En gedigen teoretisk bakgrund och praktisk erfarenhet av digital bildbehandling och djupinlärning är viktigt. En framgångsrik kandidat bör också ha ett stort intresse av att samarbeta med forskare inom livsvetenskaperna och lära sig mer om patologi och vävnadsanalys.

Projektet finansieras av ett anslag från Vetenskapsrådet.

Arbetsuppgifter
Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav
Behörighet till utbildning på forskarnivå regleras i Högskoleförordningen. Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, teknik, dataanalys, tillämpad matematik, maskininlärning eller ett annat relaterat område; eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

Vi söker kandidater med:

• En gedigen förståelse för beräkningar och analys samt en stark akademisk bakgrund;
• Ett starkt intresse för att grundligt förstå karaktären hos befintliga metoder och system, både teoretiskt och praktiskt;
• Färdighet i programmering i Python och djupinlärningsramverk som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt
Erfarenhet av arbete med digitala bilder, och mer specifikt mikroskopibilder och life science data är meriterande.

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan
Ansökan ska innehålla:

• Ett CV.
• Examensbevis och studieresultat med betyg (med kursnamn översatta till engelska eller svenska), samt, om möjligt, angiven rankning/percentil inom examensklassen eller en liknande stor jämförelsegrupp i CV:t.
• Ett följebrev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst
  • Tidigast möjliga startdatum (med skäl om tillämpligt)
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer.
  • (Valfritt) Ytterligare förklaringar som sökanden kan vilja klargöra (t.ex. begränsad erfarenhet av ett kvalifikationsområde, uppehåll mellan examina eller akademiska förseningar) eller övriga kommentarer, om några.
• Ett läsprov, t.ex. masteruppsats (eller ett utkast) eller annan egenproducerad vetenskaplig text. För bidrag till gemensamma publikationer, inkludera en lista i CV:n med länkar till publikationer online och bifoga den publikation där sökanden har gjort det största bidraget som ett extra läsprov.
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.

Om anställningen 
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 september 2025 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Carolina Wählby, Professor vid Institutionen för informationsteknologi, carolina.wahlby@it.uu.se

Välkommen med din ansökan senast den 30 april 2025, UFV-PA 2025/946.