算法实习生-医疗健康方向

岗位职责

1. 参与医疗影像（CT/MRI/X光/病理切片等）分析算法的研究与开发，包括目标检测、分割、分类等任务；
2. 参与医学文本（电子病历、临床指南、医学文献）的NLP算法研发，涵盖信息抽取、知识图谱构建、临床问答等；
3. 探索多模态医学数据融合方案，实现影像+文本+结构化数据的联合建模；
4. 跟踪医疗AI前沿论文，复现并评估SOTA方法，输出技术调研报告；
5. 协助算法模型的数据标注规范制定、训练调优及效果评估；
6. 参与算法工程化落地，配合团队完成模型部署与A/B测试。

任职要求

1. 计算机、生物医学工程、统计学、数学等相关专业，硕士及以上学历在读，能连续实习 4个月及以上，每周至少 4天；

2. 熟练使用 Python，掌握 PyTorch/TensorFlow 至少一种深度学习框架；

3. 具备以下至少 一个方向 的项目或论文经验： 医学影像分析：熟悉 UNet/TransUNet/Swin-UNet 等分割网络，有 MICCAI/ISBI 竞赛或论文经验优先； 医疗NLP：熟悉 BERT/GPT 系列预训练模型，有医学实体识别、关系抽取、临床文本生成等经验优先； 多模态学习：有视觉-语言多模态模型（CLIP/BLIP/LLaVA 等）在医学领域的应用经验优先；

4. 熟悉常见数据结构与算法，代码能力扎实；

5. 具备良好的英文文献阅读能力，能独立跟进顶会论文（MICCAI/MedNeXt/ACL/AAAI等）； 加分项

6. 有医疗AI相关论文发表（MICCAI/TMI/MedIA/ACL等）或竞赛获奖经验；

7. 了解 HIPAA/医疗数据合规，熟悉 DICOM/HL7/FHIR 等医疗数据标准；

8. 有大模型微调（LoRA/P-Tuning）或 RAG 在医疗场景的落地经验；

9. 了解图神经网络在药物发现/知识图谱中的应用 有医院/药企/医疗科技公司实习经历。

特色标签

CT影像、EMR、LoRA微调、MRI图像、P-Tuning微调、Python、UNet分割、X光片、临床文本分析、临床知识网络、临床自然语言问答、临床记录、医学RAG、医学图像分割、医学大模型调优、医学实体关系图、医学对话系统、医学影像、医学影像分析、医学文本处理、医学目标检测、医学知识图谱、医学问答系统、医疗、医疗图像、医疗文本理解、医疗问答、医疗问答增强、医疗领域微调、参加算法相关竞赛/获奖、参数高效微调、发表算法相关优秀论文、图像分割、多模态医学数据融合、多模态学习、多模态建模、多模态算法、大模型算法、实例分割、对话系统、影像文本融合、影像检测、文本挖掘、文本生成、有留学背景、检测算法、检索增强生成、检索生成框架、深度学习、物体检测、电子病历文本、病历数据、病历文本、病灶检测、病理切片、目标检测、知识图谱、知识增强生成、知识库、算法工程化经验、自然语言处理、英美留学生、语义分割、语义理解、跨模态融合