Forskningsassistent

Institutionen för kirurgiska vetenskaper (IKV) tillhör vetenskapsområdet för medicin och farmaci och har ca 160 anställda och runt 200 registrerade doktorander, av vilka flertalet är kliniskt verksamma läkare och sjuksköterskor. Vid institutionen bedrivs forskning och undervisning på grundnivå, avancerad nivå och forskarnivå. Undervisningen sker bl.a. inom läkar-, sjuksköterske-, röntgensjuksköterske- och specialistsjuksköterskeprogrammen. Forskningen bedrivs i forskargrupper organiserade utifrån olika kirurgiska specialiteter och näraliggande ämnen såsom anestesi, intensivvård och radiologi. Mycket forskning bedrivs i samarbete mellan olika forskargrupper inom IKV och vid andra institutioner vid Uppsala universitet samt med andra universitet både i Sverige och internationellt. Många av institutionens anställda har anställningar som är förenade med befattningar vid Akademiska sjukhuset. 

Arbetsuppgifter 
Forskargruppen där anställningen är placerad har utvecklat kvantitativ mätning av nervfiberlagrets midja i synnervshuvudet, vinkelupplöst i frontalplanet för diagnostik av ögonsjukdomen glaukom. Metoden används i kliniska mätningar. Mätningen baseras på avbildning av synnervshuvudet med optisk (kort) koherens tomografi som generar en 3D volym av synnervshuvudet. Nervfiberlagrets midja identifieras i frontalplanet i OCT-avbildning med 2 deep-learning modeller för segmentering av stackar av 2D bilder. Ytterligare en deep-learning modell har tagits fram för att kunna kunna segmentera direkt i 3D-volymen. Import av OCT-volymen till deep-learning modellerna för analys sker via ett användarinterface. Deep-learning modellerna och användarinterfacet är skrivna i Python.

Vi söker nu en mjukvaruingenjör som kommer hjälpa till att skapa importrutin för DICOM formaterade OCT-volymer och omsampling av dessa till standard format för deep-learning analys, implementering av mjukvara för att skapa standardiserade namn på resultatfiler, utveckling av mjukvaruverktyg för jämförelse mellan automatnoterade och manuellt annoterade volymer, överföring av kunskap om träning av befintliga deep-learning modeller, utveckling av strategier för återkommande skattning av precisionen hos deep learning modellerna samt förbättring av deep-learning modellen för direktsegmentering i 3D-volymen.

Kvalifikationskrav
Du har en ingenjörsexamen, samt påbyggnad av minst mastersutbildning. Du har betydande erfarenhet av medicinsk bildbehandling och bildanalys med deep-learning, är väl förtrogen med bildformaten Amira och DICOM och mjukvarudesign i Python samt ha dokumenterat god kunskap om ögats anatomi. Särskild vikt läggs vid erfarenhet av 3D segmentering med deep learning network och tidigare erfarenhet av bildanalys av OCT- volymer av synnervshuvudet. Du är kommunikativ och har mycket goda kunskaper i engelska, både i tal och skrift samt är väl förtrogen med att läsa och producera engelsk vetenskaplig text.

Stor vikt kommer att läggas vid personlig lämplighet så som att du har förmåga att självständigt lösa problem samt god samarbetsförmåga.

Om anställningen 
Anställningen är tidsbegränsad, 12 månader. Omfattningen är heltid. Tillträde snarast enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Per Söderberg, per.soderberg@neuro.uu.se, 070-841 84 47

Välkommen med din ansökan senast den 18 september 2024, UFV-PA 2024/2936.