医疗AI基础大模型技术研究-阿里星

医学影像（如CT、MRI、超声等）AI识别技术在疾病筛查、诊断和治疗过程中发挥着重要作用。达摩院医疗实验室癌症早筛（例如胰腺癌、胃癌、肝癌等）、影像报告生成、医学图像合成技术（AICG）等领域已有多年积累，相关创新成果发表于Nature Medicine/CVPR/ICLR等领域顶会顶刊。传统医学影像AI模型大多是在专门构建的小数据上训练专有小模型，受限于训练数据量和模型尺寸，此类模型通常泛化性较差无法满足真实世界的多中心需求。近几年大模型的兴起，特别是医疗垂域大模型的出现，为医学影像分析带来了新的机遇。我们期望通过研究医疗影像AI相关的基础模型技术（包括但不限于多模态大模型、基础模型、AIGC生成大模型、Agent智能体、大模型优化等），解决泛癌早筛、影像报告生成、医学影像数据合成、医学影像分析大模型、医疗AI智能体等医疗临床问题。 1. 负责泛癌筛查大模型、医学影像报告生成大模型、医学影像基础大模型研发，包括医学影像分析大模型、医学影像生成大模型、医疗多模态大模型、大模型训练推理优化等相关工作内容。 2. 分析业务技术需求，针对真实业务场景设计合理的技术方案与开发路线，通过技术创新和业务验证实现显著的业务价值和效率提升，并产出高质量的学术论文或技术专利。 3. 持续追踪多模态AI领域的最新技术与发展热点，优化现有技术和系统，提升性能与效率，在实际业务场景中进行验证，形成业内领先的技术服务能力和解决方案体系。 4. 处理与分析医学影像数据，将数据制备为模型训练可用数据。 【任职要求】 1. 计算机科学、人工智能、电子工程、生物医学工程等相关专业的硕士或博士毕业生。 2. 精通深度学习、机器学习、计算机视觉、自然语言处理及医学影像处理，熟悉熟悉医疗影像AI模型、大模型预训练、多模态大模型、图像生成、医疗影像AI、训练推理优化等相关课题原理及其应用，能够根据具体问题选择并设计合适的模型和技术方案。 3. 具备良好的科研能力，曾在国际顶级会议和期刊（如ICLR、ICCV、CVPR、ECCV、NeurIPS、ICML、MICCAI、TPAMI、TMI、MedIA）上发表过高质量论文。 4. 熟悉主流深度学习框架（如PyTorch、TensorFlow），并具备Transformer、CNN等典型深度学习模型的原理及实现经验。 5. 熟练掌握编程语言（如Python、C++等），并熟悉LINUX环境的开发与调试。 6. 具备出色的团队协作精神和沟通能力，自我驱动，抗压能力强，拥有强烈的求知欲和对技术的热情，良好的数据和逻辑分析能力。 加分项: 1. 在计算机视觉、多模态学习或者医疗影像AI领域有深入研究，并在相关顶会/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, MICCAI, Nature/Science子刊等）上发表过高水平论文者优先。 2. 对医疗影像AI技术有深入理解，对医疗影像AI技术、视觉AIGC生成、视觉大模型、Agent智能体、Visual-Language Model及LLMs方面等技术有深入研究者优先。 3. 有医疗影像（尤其是CT影像）图像处理、自动化标注、报告生成等医疗数据制备及高效利用的经验者优先。 4. 有高影响力的开源项目或突出技术博客者优先。