医学、生物学与神经科学博士项目

项目概览

该博士岗位位于杜塞尔多夫的海因里希·海涅大学，围绕人类脑图谱和细胞构筑学展开。

申请者需要在 Katrin Amunts 教授指导下，自主设计并完成一个研究项目。

项目面向医学、生物学、神经科学或相关背景的申请者，强调神经科学与人工智能的交叉。

岗位全英文开展，资助期 4 年，尽快启动。

项目详情

Hector Fellow Academy 提供的这个岗位，目标是让申请者在 Amunts 教授监督下完成一个自拟研究课题。Amunts 是该奖学金体系中的资深教授之一，也是人类脑图谱微观尺度研究的世界级专家。说明中特别提到，她利用深度学习、图像分析和高级计算开发了 Julich Brain atlas 和 BigBrain，并推动了脑图谱领域的新标准。

项目关键词包括人类大脑、细胞构筑学、Julich-Brain Atlas、基础模型和深度学习。项目要求申请者不仅对大脑测绘感兴趣，还要愿意在神经科学与人工智能交界处工作。具体目标是对 Julich-Brain Atlas 所对应的人脑进行全覆盖细胞构筑学映射，通过适配并扩展 INM-1 开发的 AI foundation model 方法来实现。为此，申请者需要先建立扎实的神经解剖学知识，再用这些知识去适配、优化和验证自动化方法，并把自动得到的脑区进行可扩展验证。

最终目标是生成全覆盖的人脑细胞构筑图谱，并以 FAIR 数据形式分享给科学界。这意味着项目不仅是方法开发，也是面向开放数据与科研共享的资源构建。研究环境跨学科性很强，涵盖计算机科学、生物学和医学。项目说明还特别指出，申请者应具有科学或工程学硕士学位，最好已有神经科学、人工智能或两者兼具的背景，并且成绩优秀。

资助与培养方面，岗位为 TV-L 13 资助岗位，最高可达 100%，并基于 DFG 对博士生的资助标准发放。项目还提供丰富的研究经费、优秀研究网络成员资格，以及额外的管理课程、培训和交流活动。地点为海因里希·海涅大学的 Cécile and Oskar Vogt Institute of Brain Research。项目总资助为 3+1 年，初始 3 年后可延长 1 年。该岗位强调方法创新、自动化验证和 FAIR 数据共享，也要求申请者能够与计算机科学家、生物学家和医生协同，把全覆盖脑图谱做成可复用的研究管线。申请者还需要把人工智能工具的可扩展验证与神经解剖学知识结合起来，确保自动化结果可解释、可复核。该项目强调把方法开发、数据共享和图谱制作连成一个完整流程，而不是只做单次算法实验。

申请通过项目申请门户提交。最有希望的候选人会被安排面试，形式可以是线上视频会议，也可能线下进行；最终候选人还会收到线上报告邀请，随后几天公布最终决定。申请材料包括动机信、简历、证书、成绩单、研究提要和推荐人信息。正式咨询可联系 Katrin Amunts 教授。

该任务也与计算机科学、生物学和医学团队的长期协作相关，申请者要能够把自动化流程、数据共享规范和人工验证步骤一起考虑，并保持跨学科沟通一致，同时对自动化与人工审核的边界保持清晰，也便于后续复核，并支持结果公开与共享，还能帮助团队积累可复用素材，也便于优先共享。

申请要点

• 学历背景：科学或工程学硕士，最好有神经科学、人工智能或两者兼具背景。

• 研究能力：愿意在神经科学与人工智能交叉处工作，能学习并优化 AI foundation model 方法。

• 方法基础：需要建立深厚神经解剖知识，并具备自动化验证与数据共享意识。

• 申请材料：动机信、简历、证书、成绩单、研究提要、推荐人信息。

• 资助与时长：TV-L 13，最高 100%；3+1 年资助。

• 联系方式：Katrin.Amunts@uni-duesseldorf.de；申请事务可联系项目办公室。

• 截止日期：2026 年 10 月 15 日。

需要进一步确认

• 岗位为自拟研究项目，具体课题方向需与导师沟通后进一步定题。

• 面试后还包含线上报告环节，最终遴选节奏以项目通知为准。

• 资助写法包含“最高 100%”，实际拨付比例可能与具体 funding rate 对应。

PhD 项目深度调研报告：博士岗位 - 医学、生物学、神经科学

申请判断

申请判断：非常有吸引力。

这不是一个泛泛的医学/生物学/神经科学博士，而是一个由 Katrin Amunts 教授主导的 AI 赋能人脑图谱项目，核心聚焦细胞构筑图谱绘制、Jülich Brain Atlas / BigBrain 资源、基础模型适配、深度学习、FAIR 数据和可扩展验证。对于能够同时理解神经解剖学与 AI/图像分析的申请者来说，导师和基础设施的信号都非常强。

最需要注意的是执行范围。围绕 Jülich Brain Atlas 所依托的大脑进行全覆盖的细胞构筑图谱绘制，雄心很大。申请前应核实论文范围、数据集、算力、验证流程、导师团队、Düsseldorf/Jülich 的场地分工，以及最终 TV-L 13 的比例，不宜默认项目细节已经完全定稿。

研究方向与领域前景

可能的研究切入点

有价值的论文切入点包括：

• 将预训练视觉/基础模型适配到细胞构筑组织学图像；
• 用专家图谱对自动脑区划分进行基准评估；
• 为全覆盖图谱生产建立可扩展的质量控制；
• 在 BigBrain 或 Jülich Brain 空间中构建不确定性感知的概率图；
• 为图谱、元数据和验证报告设计 FAIR 发布流程；
• 比较基础模型在不同皮层区域、不同脑和不同染色/图像条件下的表现。

最关键的科学问题仍然是验证。自动图谱必须保持解剖学可解释性，而不是只看上去合理。一个好的博士课题应该尽早定义专家复核闭环、不确定性指标、可复现性检查和失败模式。

领域动向

这个领域非常活跃。人脑图谱正在从静态解剖参考，转向多层级、云连接、FAIR、可互操作的资源，把宏观解剖、微观细胞构筑、多模态数据和计算工作流连接起来。siibra 论文明确把这一变化定义为从“下载文件”走向“可操作的云资源和程序化访问”的范式转移（Nature Methods）。

项目目标是把基础模型方法适配并扩展到全覆盖的细胞构筑图谱绘制，这与当前神经科学压力点完全契合：大型组织学数据集、多模态配准、开放基础设施、AI 支持的分割，以及专家验证。Julich-Brain 和 BigBrain 等基础工作仍然很重要，因为这个岗位就是建立在这些资源之上（Julich-Brain Science paper，BigBrain Science paper）。

职业与市场前景

这个项目可以形成很强的职业画像，适用于 AI-neuroinformatics、生物医学图像分析、脑图谱学、研究软件工程、计算神经科学、FAIR 数据治理和科研基础设施等方向。OECD 2026 年的 AI 技能报告指出，AI 采用会提高高学历劳动者、数据分析/解释能力和培训的重要性（OECD AI skills）。OECD 关于研究职业的指南也强调数字技能、流动性和非学术博士路径（OECD research careers）。

FENS 和 SfN 的神经科学能力框架很适合作为准备清单：神经科学广度、定量方法、伦理、沟通和职业发展都与编码同样重要（FENS competencies，SfN competencies）。NIH 的计算神经科学培训指引也强调，实验神经科学与计算机、数学和工程科学的整合（NIH concept）。

学校、学科与培养

杜塞尔多夫海因里希·海涅大学本身是不错的研究型大学，但一般性的学校排名不是这个机会最主要的加分项。THE 将 HHU 列入 2026 世界大学排名 251-300 区间，医学与健康、生命科学都在 201-250 区间（THE profile）。HHU 自己的排名页面和新闻强调研究质量表现，包括在 THE 2026 中进入参与高校前 14%（HHU rankings，HHU THE news）。

真正更强的是项目相关环境。杜塞尔多夫大学医院和 HHU 的 Cécile and Oskar Vogt Institute of Brain Research 由 Katrin Amunts ხელმძღვან并与 Jülich Brain Atlas、BigBrain、siibra、EBRAINS 和数字脑图谱明确关联（Vogt Institute）。Amunts 还主持 Forschungszentrum Jülich 的 INM-1，这是一个重要的结构-功能脑组织研究环境（INM-1）。

申请者应进一步确认博士路径。HFA FAQ 说明，博士证书由 supervising Fellow 所在大学颁发，但公开项目材料并没有写明 HHU 的具体院系规章、课程要求或委员会结构（HFA FAQ）。

导师与实验室评估

导师研究方向

Katrin Amunts 与该项目的匹配度异常高。她的 HFA 个人页说明，她自 2021 年起为 Hector Fellow，同时是 HHU 的 C. and O. Vogt Institute 负责人、Forschungszentrum Jülich 的 INM-1 负责人、Human Brain Project 前科学总监/总监，并协调 EBRAINS；页面还列出与项目直接对应的研究领域：神经科学、人脑图谱、细胞构筑、大数据分析和深度学习（HFA Amunts profile）。

Jülich Brain Atlas 的简介进一步说明，Amunts 及其团队开发该图谱的目标，是把多层级、多尺度脑数据整合到统一参考空间中，并列出 Julich-Brain 和 BigBrain 等代表性成果（Jülich Brain Atlas profile）。BigBrain 官方页面则描述了超高分辨率组织学脑重建、细胞构筑图谱、深度学习方法，以及通过 EBRAINS/siibra 访问资源的路径（BigBrain project，BigBrain atlas page）。

近期重要发表

近期发表证据非常强，并且和岗位高度相关：

• 2026 年 Nature Methods 的 siibra 论文用 web、API 和 Python 工具实现了一个基于复杂数据资源的多层级人脑图谱，Amunts 是高级共同作者之一。这篇论文与 FAIR 图谱基础设施、可复现工作流和 AI 就绪的人脑数据直接相关（Nature Methods）。
• 2024 年 Frontiers in Neuroimaging 论文绘制了新的背外侧前额叶皮层区域，并为 Jülich Brain Atlas 贡献了三维概率型细胞构筑图谱（PubMed）。
• 2024 年 Neuroinformatics 论文使用细胞构筑图像生成皮层受体分布的生成式建模，展示了与本项目相邻的多模态计算整合方式（PubMed）。
• 2024 年 Imaging Neuroscience 关于数字脑研究未来十年的论文，将 EBRAINS、AI、计算、跨尺度数据整合以及伦理/社会问题框定为数字神经科学的核心议题（MPI record）。

这组发表比泛泛的导师论文列表更能支撑岗位判断。它显示出活跃的图谱软件、细胞构筑绘图与计算神经科学基础设施。

实验室、资源与合作环境

基础设施信号是该岗位的主要优势。FZ Jülich 2026 年关于 siibra 的新闻说明，这套软件将分子、细胞和宏观脑数据整合成统一图谱，服务于神经科学、医学和 AI 开发（FZ Jülich siibra news）。EBRAINS 提供更广泛的欧洲数字脑研究基础设施（EBRAINS，Human Brain Atlas）。因此，这个项目位于一个真实的图谱/数据/软件生态中，而不是单一实验室数据集里。

风险在于，这个生态很大。博士生很容易在图谱生产、软件基础设施、解剖学、验证和 AI 方法开发之间被拉得过散。申请时应要求明确的导师分工和里程碑结构。

资助、申请与生活成本

项目说明写明，这是一个资助的 TV-L 13 岗位，最高 100%，并按 DFG 博士生资助标准执行，同时提供较多研究经费、HFA 网络成员资格、管理课程、培训与交流活动。HFA 申请信息列出了 2026 年 9 月 1 日至 10 月 15 日的申请期，并说明了公开博士岗位的材料要求（HFA application）。HFA FAQ 说明，博士研究人员以 research assistant 形式受聘，按照 3+1 模型最多资助四年，并按大学规则支付；FAQ 还提到，净收入取决于学科和聘用比例，100% 岗位大致可达 EUR2,200-2,500 净收入（HFA FAQ）。

杜塞尔多夫的生活成本可以接受，但仍需预算。HHU 国际页面给出一个常见基准约 EUR992/月，并说明一般不收学费，但需要缴纳社会贡献（HHU living page）。Welcome Center 则建议按 EUR1,000-1,300/月预算，其中房租约 EUR500-800、食物约 EUR250-350（HHU expenses）。HHU 2026/27 冬季学期社会贡献为 EUR371.15（HHU re-registration）。学生宿舍比市场房租便宜，但不能保证一定拿到（Studierendenwerk Düsseldorf）。

非欧盟申请者还应核实签证证明材料。德国官方指南写明，2026 年通常需要 EUR11,904 的资金证明，除非有资助/雇佣文件满足要求（Make it in Germany）。

申请者匹配度

最适合的人选

• 具有理工科或科学硕士背景，能够同时连接神经科学/神经解剖学与 AI/计算机视觉的申请者。
• 熟悉 Python、深度学习、图像分割、医学/组织学图像分析、HPC/cloud 或计算神经科学的人。
• 愿意先建立扎实的细胞构筑与神经解剖学理解，再去优化自动方法的人。
• 对 FAIR 数据、开放基础设施、图谱资源和可复现工作流有明确兴趣的人。

需要谨慎的人选

• 想做主要湿实验或临床博士、但不愿写代码的人。
• 纯 AI 背景、但不愿学习解剖学验证和脑图谱概念的人。
• 需要完全预设题目，而不接受协商式研究设计的人。
• 不能在计算机科学家、生物学家、医生和基础设施团队之间协作的人。

可加强的技能与证据

申请材料最好包含一个聚焦的项目构想或说明，把基础模型适配与全覆盖细胞构筑图谱绘制和验证连接起来。强有力的证据包括代码仓库、分割项目、医学影像模型、组织学/图像分析论文、atlas 坐标工作、FAIR 数据流水线或可复现的深度学习 notebook。

问题要具体且技术化：训练数据是否可用、标注策略、基础模型基线、算力分配、验证指标、预期图谱发布、软件/数据发表计划以及导师团队。HFA FAQ 说明，公开岗位申请者应提前联系相关 Fellow 讨论岗位细节（HFA FAQ）。

风险与待核实问题

高优先级问题

1. 这个博士由 HHU 的哪个院系和哪套博士规章来管理？
2. 最终论文范围是什么：覆盖 Jülich Brain 所有大脑、某个图谱发布组件、某个模型基准，还是一篇方法论文？
3. 可用的基础模型、数据集、专家标签和算力资源分别是什么？
4. 自动化细胞构筑图谱将如何在规模化条件下完成验证？
5. 日常的 AI/图像分析指导由谁负责，专家神经解剖学复核由谁负责？
6. TV-L 13 的具体聘用比例、净收入估算和第 4 年延长期规则是什么？

中优先级问题

1. 预计在 Düsseldorf 和 Jülich 之间要投入多少工作，差旅或双地点成本是否覆盖？
2. 预期的软件栈是什么：PyTorch、JAX、MONAI、siibra-python、EBRAINS APIs、HPC 工作流，还是内部 INM-1 工具？
3. 预期产出组合是什么：论文、图谱、软件、数据发布、benchmark 还是博士章节？
4. 新图谱和模型的 FAIR 元数据和许可要求是什么？
5. 开始时需要多高的神经解剖学基础？
6. 组织学脑图或图谱发布是否涉及伦理/数据使用限制？

证据与来源

项目、资助与申请

• Official 2026 project PDF
• HFA Amunts profile
• HFA application page
• HFA FAQ
• HFA application portal

主办方、导师与实验室

• Cécile and Oskar Vogt Institute
• Jülich Brain Atlas Amunts profile
• BigBrain maps and models
• BigBrain in the Jülich Brain Atlas
• INM-1 Structural and Functional Organisation of the Brain
• EBRAINS
• EBRAINS Human Brain Atlas

近期发表与领域证据

• siibra Nature Methods paper
• FZ Jülich siibra news
• DLPFC cytoarchitectonic maps
• Generative modelling of cortical receptor distributions
• Digital brain research vision paper
• Linking brain structure, activity and cognition through computation
• Julich-Brain Science paper
• BigBrain Science paper

排名、成本、签证与职业

• HHU rankings
• THE HHU profile
• HHU THE ranking news
• HHU living in Düsseldorf
• HHU expenses
• HHU social contribution
• Student housing in Düsseldorf
• Germany study visa information
• OECD AI skills
• OECD research careers
• FENS graduate neuroscience competencies
• SfN neuroscience training competencies