Computer-Vision-Ingenieur in Better Medicine

Wir nutzen DL, um das Leben der Patienten zu verbessern. Wir bauen Systeme, die Radiologen bei der genauen Segmentierung, Messung und Charakterisierung von Krebsläsionen anhand von Computertomographie-Scans unterstützen. Während wir klinische Studien zu Nierenkrebs durchführen und über MPV-Segmentierungsmodelle für Leber- und Bauchspeicheldrüsenbereiche verfügen, liegt unser nächster strategischer Schwerpunkt auf Lungenkrebsknötchen.

Erforderliche Fähigkeiten und Erfahrungen:

• Ausgeprägte Erfahrung (>5 Jahre) in der Entwicklung von Deep-Learning- und klassischen Computer-Vision-Pipelines, die verschiedene Aufgaben abdecken: Erkennung, Segmentierung, Klassifizierung und Registrierung.
• Solide Kenntnisse der klassischen ML-Algorithmen
• Lineare Algebra und Statistik
• Schreiben von hochwertigem, sauberem, wartbarem, getestetem und effizientem Code.
• Erfahrung in der Arbeit mit großen Bilddatensätze in großer Größe (>100 GB)
• Englisch der oberen Mittelstufe, solide Kommunikations- und Feedbackfähigkeiten.
• Sehr wünschenswert. Erfahrung mit 3D-Bilddaten (idealerweise im medizinischen Bereich, CT, MRT usw.). Auch praktische Erfahrungen mit MLOps wären in Zukunft relevant (Modellbereitstellung/-überwachung/-versionierung, automatisiertes Re-Training, etc....)

Unser Tech-Stack:

• Deep Learning: PyTorch, PyTorch Lightning, Hydra, MONAI, DVC / MLflow (oder andere Alternativen)
• Klassischer CV: OpenCV , ScikitImage, SciPy
• Klassisches ML: Scikit-learn
• Andere: NumPy, Pandas, Matplotlib (oder andere Alternativen)
• Infra: Google Cloud, Docker , CircleCI für CI/CD.

Wie die ersten sechs Monate in dieser Rolle aussehen werden:

• Erhöhen Sie die Empfindlichkeit der vorhandenen Pipeline für die Erkennung/Segmentierung von Lungenkrebsknötchen.
• Implementieren Sie Klassifizierungsmodelle zur Unterscheidung von Lungenknötchen in verschiedene Texturtypen (fest, teilweise fest, nicht fest) und Messen Sie klinisch relevante Merkmale der gefundenen Objekte (Volumen, Oberfläche, lange/kurze Achse usw.)
• -  Recherchieren Sie wissenschaftliche Arbeiten, um SOTA-Ideen zu der gegebenen Problematik zu sammeln und erneut umzusetzen
< li>Mitorganisation der engen Rückkopplungsschleife zwischen erstellten Modellen und den Fachexperten (Radiologen und andere medizinische Experten)
• Teilnahme an der klinischen Studie in realen Krankenhausumgebungen, um die Robustheit der entwickelten Algorithmen zu beweisen.< /li>
• Arbeiten Sie mit dem Produktentwicklungsteam zusammen, um trainierte Modelle in den bestehenden radiologischen Arbeitsablauf (unseren hauseigenen Bildbetrachter und Annotator) zu integrieren
• Durchführen (und Empfangen) von Codeüberprüfungen und Bereitstellen (und Empfangen). ) Feedback an/von Ihren Kollegen.
•  Entwicklung der Dynamikschätzung von Krebstumoren (Aufgabe zur 3D-Bildregistrierung) + Einrichtung eines aktiven Lernsystems für eine effektive Modellumschulung mit minimalem Input von Radiologen.

Vorteile:

• Sie erhalten Aktienoptionen des Unternehmens im Frühstadium, wenn Sie voll bei uns einsteigen. Zeit.
• Mitautorschaft bei Forschungsarbeiten in Top-Zeitschriften/Konferenzen auf diesem Gebiet
• Erfahrung in der Arbeit in einem produktorientierten Gesundheitsunternehmen
• Die Freiheit, Lösungen zu finden Probleme auf deine Art.
• Die Möglichkeit, etwas zu bewirken.
• Viele Entwicklungsmöglichkeiten.
• Wir haben flexible Arbeitszeiten.
• Wir sind ein wirklich abgelegenes Unternehmen. Unser kleines Team ist derzeit über Tallinn, Tartu, London und Lemberg verteilt.

Sie werden wahrscheinlich Erfolg haben, wenn Sie...

• Sind ein freundlicher Teamplayer

• Haben eine problemlösende Einstellung und die Fähigkeit, iterierbare Lösungen kurzfristig zu liefern

  kollaborative und offene Art.

• Sie haben die Fähigkeit, unabhängig zu arbeiten und Ihre eigenen

  Lösungen für schwierige Herausforderungen zu finden.

• Möchte die Verantwortung für Probleme übernehmen und Erfahrung in der Leitung

  Entwicklungs-/Forschungsbemühungen haben.

• Sie haben eine gute Kommunikation Fähigkeiten und die Fähigkeit, komplexe,

  technische Konzepte einem nicht-technischen Publikum zu artikulieren.

• Hohes Maß an Selbstorganisation, Eigenverantwortung und Verantwortung.

• Sie verfügen sowohl über technische als auch über Produktkenntnisse. Leidenschaft für Technologie, Produkte,

  Wissenschaft und Medizin.