Inżynier wizji komputerowej w Better Medicine

Korzystamy z DL, aby poprawić życie pacjentów. Budujemy systemy, które pomagają radiologom poprzez dokładną segmentację, pomiar i charakteryzację zmian nowotworowych na podstawie skanów tomografii komputerowej. Prowadząc badania kliniczne nad rakiem nerki i dysponując modelami segmentacji MPV dla obszarów wątroby i trzustki, naszym kolejnym strategicznym celem są guzki raka płuc.

Wymagane umiejętności i doświadczenie:

• Duże doświadczenie (>5 lat) w opracowywaniu potoków głębokiego uczenia się i klasycznej wizji komputerowej obejmujących różne zadania: wykrywanie, segmentację, klasyfikację i rejestrację.
• Solid znajomość klasycznych algorytmów ML
• Algebra liniowa i statystyka
• Pisanie wysokiej jakości, czystego, łatwego w utrzymaniu, przetestowanego i wydajnego kodu.
• Doświadczenie w pracy z dużymi- zbiory danych obrazów o rozmiarze (>100 GB)
• Wysoki średniozaawansowany poziom znajomości języka angielskiego, dobra komunikacja i umiejętność przekazywania informacji zwrotnych.
• Wysoce pożądane. Doświadczenie z obrazowaniem 3D (najlepiej w medycynie, tomografii komputerowej, rezonansie magnetycznym itp.). Praktyczne doświadczenie z MLOps będzie również istotne w przyszłości (wdrażanie/monitorowanie/wersjonowanie modeli, automatyczne ponowne szkolenie itp.).

Nasz stos technologii:

• Głębokie uczenie się: PyTorch, PyTorch Lightning, Hydra, MONAI, DVC / MLflow (lub inne alternatywy)
• Klasyczne CV: OpenCV , ScikitImage, SciPy
• Klasyczny ML: Scikit-learn
• Inne: NumPy, Pandas, Matplotlib (lub inne alternatywy)
• Infra: Google Cloud, Docker , CircleCI dla CI/CD.

Jak będzie wyglądać pierwsze sześć miesięcy na tym stanowisku:

• Zwiększ czułość istniejącej metody wykrywania/segmentacji guzków raka płuc.
• Wdrożyj modele klasyfikacji umożliwiające różnicowanie guzków płuc na różne typy tekstury (stała, częściowo stała, niestała) oraz mierzyć klinicznie istotne cechy znalezionych obiektów (objętość, pole powierzchni, długa/krótka oś itp.)
• -  Poszukiwanie artykułów naukowych w celu gromadzenia i ponownego wdrażania pomysłów SOTA dotyczących danego problemu
< li>Współorganizowanie ścisłej pętli sprzężenia zwrotnego pomiędzy wyprodukowanymi modelami a ekspertami dziedzinowymi (radiologami i innymi ekspertami medycznymi)
• Branie udziału w badaniu klinicznym w rzeczywistych warunkach szpitalnych w celu sprawdzenia niezawodności opracowanych algorytmów.< /li>
• Współpraca z zespołem inżynierów produktu w celu zintegrowania wyszkolonych modeli z istniejącym procesem radiologicznym (nasza wewnętrzna przeglądarka obrazów i adnotator)
• Przeprowadzanie (i otrzymywanie) przeglądów kodu oraz dostarczanie (i otrzymywanie) ) informacje zwrotne od/od rówieśników.
•  Opracowanie oceny dynamiki guzów nowotworowych (zadanie rejestracji obrazu 3D) + utworzenie systemu aktywnego uczenia się w celu skutecznego przeszkolenia modeli przy minimalnym udziale radiologów.

Korzyści:

• Otrzymasz opcje na akcje spółki na wczesnym etapie, jeśli dołączysz do nas w pełnym zakresie czasu.
• Współautorstwo artykułów naukowych w czołowych czasopismach/konferencjach w tej dziedzinie
• Doświadczenie w pracy w firmie z branży opieki zdrowotnej zorientowanej na produkt
• Wolność rozwiązań problemy na swój sposób.
• Możliwość realnego wpływu.
• Duże możliwości rozwoju.
• Mamy elastyczny czas pracy.
• Jesteśmy firmą prawdziwie zdalną. Nasz mały zespół jest obecnie rozproszony po Tallinie, Tartu, Londynie i Lwowie.

Prawdopodobnie odniesiesz sukces, jeśli...

• Umiesz grać w zespole

• Masz skłonność do rozwiązywania problemów i umiejętność dostarczania powtarzalnych rozwiązań w

  otwartość i współpraca.

• Umiejętność samodzielnej pracy i znajdowania własnych

  rozwiązań trudnych wyzwań.

• Lubisz opiekować się problemami i mieć doświadczenie w kierowaniu

  wysiłkami deweloperskimi/badawczymi.

• Świetna komunikacja umiejętności i umiejętność artykułowania złożonych,

  technicznych koncepcji odbiorcom nietechnicznym.

• Wysoki poziom samoorganizacji, własności i odpowiedzialności.

• Posiadaj umiejętności techniczne i produktowe. Pasjonat technologii, produktów,

  nauki i medycyny.