Umeå University, Medicinska fakulteten

Umeå universitet är ett av Sveriges största lärosäten med över 37 000 studenter och cirka 4 700 anställda. Vid universitetet finns en mångfald av utbildningar av hög kvalitet och världsledande forskning inom flera vetenskapsområden, och här gjordes den banbrytande upptäckten av gensaxen CRISPR-Cas9 som tilldelats Nobelpriset i kemi. Vid Umeå universitet är allt nära. Våra sammanhållna campus gör det lätt att mötas, samarbeta och utbyta kunskap, något som gynnar en dynamisk och öppen kultur.

Den samhällsomvandling och de stora gröna investeringar vi ser i norra Sverige skapar enorma möjligheter och komplexa utmaningar. För Umeå universitet handlar det om att bedriva forskning om – och mitt i – ett samhälle i omvandling. Men också om att leverera utbildningar för regioner som behöver expandera fort och hållbart. Det är helt enkelt här framtiden skapas.

Är du intresserad av att veta mer? Läs mer om Umeå universitet som arbetsplats.

 

På Institutionen för strålningsvetenskaper forskar och undervisar vi inom ämnena radiofysik och medicinsk teknik, onkologi samt diagnostisk radiologi. Vi har internationellt erkända forskningsmiljöer där bredden av ämnesområden möjliggör innovation och samarbete över gränser. De flesta av våra forskare och lärare arbetar kliniskt i våra lokaler på NUS - mitt i verksamheten.

Läs mer om institutionen på Institutionen för Strålningsvetenskaper (umu.se)

Umeå universitet söker två doktorander i radiofysik med inriktning mot djupinlärning och medicinsk bildanalys. Anställningarna är placerade vid Institutionen för strålningsvetenskaper. Forskarutbildningen omfattar fyra års heltidsstudier. Sista ansökningsdag är den 26 februari 2018.

Projektbeskrivning

Syftet med forskningsprojekten är att utveckla avancerade metoder för att förenkla och automatisera arbetsflödet vid strålbehandling. Målet är att effektivisera befintliga delar av arbetsflödet och samtidigt minska variationen i till exempel utlinjering av riskorgan för att på så sätt förbättra för patienterna och öka genomströmningen av patienter. Projektet kan innefatta t.ex. automatisk segmentering av tumörer och riskorgan, automatisk konvertering av magnetresonansbilder till skiktröntgenbilder för beräkning av stråldos eller automatisk hantering av patientrörelser vid själva strålbehandlingen.

Den för tillfället mest lovande metodiken för dessa tillämpningar finns inom artificiell intelligens och maskininlärning, med djupa neuronnät, eller mer specifikt djupa faltningsnät. Dessa maskininlärningsmetoder har tidigare använts mycket framgångsrikt inom andra områden inom medicinsk bildanalys, och även i pilotstudier med liknande tillämpningar.

Förutom att utveckla de grundläggande metoderna, där tester ofta kan ske på idealiserat data insamlat för ändamålet, måste metoderna också valideras i kliniken. I denna del måste robusthet vad gäller avvikande data testas, hur dataflöden fungerar i praktiken och hur man kan kvalitetskontrollera det data som producerats av de utvecklade metoderna–allt i nära samarbete med kliniskt arbetande fysiker, läkare och sjuksköterskor.

Målet är att bygga upp mjukvaruinfrastruktur och baslinjer för denna metodik samt att vidareutveckla metodiken för att erbjuda världsledande lösningar till den svenska sjukvården.

Kvalifikationer

Grundläggande behörighet för forskarutbildning är en examen på avancerad nivå och avklarade kurser på minst 240 högskolepoäng (hp), varav minst 60 hp på avancerad nivå, eller motsvarande kvalifikationer som förvärvats på annat sätt i Sverige eller utomlands.

Sökande förväntas ha en bakgrund i datavetenskap, fysik, matematik, matematisk statistik eller i relaterade ämnesområden. En god förståelse för grundläggande begrepp och metoder inom maskininlärning, goda kunskaper inom programmering och bildanalys, samt erfarenhet av hälso- och sjukvård, eller forskningsprojekt relaterade till hälsa är meriterande. En specialisering inom maskininlärning, ”data science” eller motsvarande erfarenheter är mycket meriterande.

Eftersom forskning sker i samverkan med forskare inom olika discipliner krävs god samarbetsförmåga. Ett krav är att den sökande måste kunna både tala och skriva engelska flytande.

Beroende på vilka som söker kan de två projekten separeras i ett som är inriktat mot maskininlärning och ett som är inriktat mot klinik, alternativt som två parallella projekt med båda komponenterna integrerade i båda projekten.

Särskild behörighet

För att kunna antas till utbildning på forskarnivå krävs goda språkkunskaper i engelska, både skriftliga och muntliga kunskaper avses. Bedömning av dessa kunskaper görs genom att en tilltänkt doktorand presenterar sin forskningsplan på engelska inför en av prefekten utsedd forskarutbildningsgrupp.

Ansökan

Ansökan ska vara skriven på svenska eller engelska och innehålla:

  • Ett personligt brev med kort beskrivning av dina forskningsintressen och en motivering till varför du söker, samt din kontaktinformation.
  • En meritförteckning (CV).
  • I förekommande fall kopior av kandidat- och masteruppsatser, samt andra vetenskapliga publikationer eller erfarenheter.
  • Betygskopior, examensbevis, samt dokumentation över avslutade akademiska kurser.
  • Kontaktinformation till två tillfrågade kontaktpersoner.

Ansökan ska göras via Umeå universitets e-rekryteringssystem och vara inkommen senast 2018-02-26. Referensnummer: AN 2.2.1-171-18

Upplysningar

Närmare upplysningar lämnas av doktor Tommy Löfstedt, tommy.lofstedt@umu.se och doktor Joakim Jonsson, joakim.jonsson@umu.se.

Tillträdesdag

Enligt överenskommelse

Löneplacering

Löneplaceringen sker enligt fastställd lönestege för doktorandtjänst.

Övrig information

http://www.medfak.umu.se/utbildning/utbildning-pa-forskarniva/doktorandhandboken/

 

Välkommen med din ansökan!

Anställningsform Tidsbegränsad anställning
Anställningens omfattning Heltid
Tillträde Enligt överenskommelse
Löneform Månadslön
Antal lediga befattningar 2
Sysselsättningsgrad 100 %
Ort Umeå
Län Västerbottens län
Land Sverige
Referensnummer AN 2.2.1-171-18
Kontakt
  • Tommy Löfstedt, 070-2307705
  • Joakim Jonsson, 090 785 22 96
Facklig företrädare
  • SACO, 090-786 53 65
  • SEKO, 090-786 52 96
  • ST, 090-786 54 31
Publicerat 2018-01-31
Sista ansökningsdag 2018-02-26

Tillbaka till lediga jobb