医学图像分析计算方法与AI模型研究：生成式AI、视觉-语言模型、多模态学习与基础模型

【项目介绍】 本项目旨在开发先进的AI技术以改善医疗健康——优化临床工作流程、辅助诊断并最终改善患者预后。研究将专注于设计不仅准确创新，而且稳健、可解释、适用于真实临床环境部署的深度学习模型。

您将探索以下前沿方法： • 多模态学习 • 生成模型 • 基础模型 • 数字孪生 • 视觉-语言模型 • 医学大语言模型

这些技术将应用于多种医学数据类型，包括医学影像、临床文本和电子健康档案。

我们致力于开发能够应对医学影像数据复杂性，并跨越不同场景下领域与知识鸿沟的AI模型。我们的目标是创建稳健且自适应的算法，能够提供准确诊断、个性化治疗方案，最终改善患者预后。根据您的专业背景和兴趣，您将有机会专长于使用基础模型、生成技术和/或多模态学习方法开发可靠的机器学习模型。

【研究环境】 您将加入数字医疗与医学影像研究组（Digital Healthcare and Medical Imaging Research Group）。该研究组在人工智能、医学影像和数字健康技术的交叉领域开展跨学科研究。我们与临床医生、医疗服务提供者和学术研究人员密切合作，确保研究成果转化为真实的临床效益。我们的研究涉及广泛的医学影像模态，包括超声、MRI、CT、显微镜、OCT等。

【合作机构】 我们的团队成员和合作者包括来自以下机构的研究人员： • University Hospital Birmingham • Johns Hopkins University • Queen Mary University of London • University of Oxford • University College London

这些合作关系提供了获取多元专业知识、数据集和国际研究机会的渠道。

【申请要求】 • 具有自我驱动力，对医疗AI研究充满热情，并致力于支持高质量研究 • 拥有计算机科学、统计学、物理学、工程学或相关领域的优秀本科学位 • 具有使用PyTorch和/或TensorFlow库进行医疗AI相关项目的经验 • 具备较强的编程技能，如Python、C++、C、Java者优先 • 优秀的口头和书面沟通能力 • 较强的问题解决能力 • 有在期刊或会议上发表或撰写科学论文的经验者优先

【资助信息】 提供4年制奖学金，覆盖英国本土学生或国际学生学费。

【联系方式】 如需了解更多申请信息，请联系Le Zhang博士： 邮箱：l.zhang.16@bham.ac.uk 研究网站：https://thisislezhang.github.io/

【参考文献】 [1] Moor, M, et al. Foundation models for generalist medical artificial intelligence. Nature, 2023 [2] Zhou, Y., Chia, M.A., Wagner, S.K. et al. A foundation model for generalizable disease detection from retinal images. Nature 622, 156–163 (2023). [3] Müller-Franzes, G., Niehues, J.M., Khader, F. et al. A multimodal comparison of latent denoising diffusion probabilistic models and generative adversarial networks for medical image synthesis. Sci Rep 13, 12098 (2023). [4] Le Zhang, Ryutaro Tanno, Moucheng Xu, Jin Chen, Joseph Jacob, Olga Ciccarelli, Frederik Barkhof, Daniel C. Alexander, Disentangling Human Error from the Ground Truth in Segmentation of Medical Images, Advances in Neural Information Processing Systems (NeurIPS), 2020. [5] Le Zhang, Macro Pereanez, Christopher Bowles, Stefan Piechnik, Stefan Neubauer, Steffen Petersen and Alejandro F. Frangi, Missing Slice Imputation in Population CMR Imaging via Conditional Generative Adversarial Nets, International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI). Springer, Cham, 2019. (Nominated for the Young Scientist Award)