英国阿斯顿大学博士招聘-使用多模态临床 MRI 和机器学习进行小儿脑肿瘤的体内诊断

英国伯明翰阿斯顿大学    健康与生命科学学院  J诺瓦克博士

入职时间：2022年10月入职

在阿斯顿大学儿科神经影像人工智能 (AIPNI) 研究小组的支持下，由 Help Harry Help Others (HHHO) 和健康与生命科学学院支持，提供为期??三年的研究生奖学金。成功的申请者将加入一个已建立的实验小组，该小组致力于儿科神经影像的机器学习方法。

项目背景

尽管早期诊断对预后有好处，但切除后进行的组织病理学分析是目前儿童脑肿瘤鉴别诊断的金标准。因此需要在非侵入性、术前诊断方法方面取得进展，以便为肿瘤切除提供信息，从而改善患者的预后。

拟议的研究将利用先进的磁共振成像 (MRI) 技术，包括磁共振波谱 (MRS)、扩散加权成像 (DWI) 和灌注加权成像 (PWI)，来开发一种诊断分类工具，以改善术前后部儿童颅底肿瘤诊断。

机器学习算法将用于确定哪种 MRI 技术或多模态技术的组合，具有最高的诊断准确度以产生最佳的鉴别诊断分类器。随后采用数据协调程序将进一步优化机器学习分类器，用于模拟临床“现实”的异构、不完整数据，从而确定未来临床实施的潜力。然后，神经放射科合作者将在检查两组儿童脑肿瘤 MRI 数据集后提供推荐的诊断，其中只有一组将包含诊断分类器输出。将在数据集之间比较诊断的准确性，以识别由于包含分类器输出而导致的诊断确定性的任何变化。因此，该项目的最终目标是通过开发提供准确、早期诊断信息的原型机器学习诊断分类器来建立一种改进术前小儿脑肿瘤诊断的方法。该分类器将有可能产生重大的临床影响，为小儿脑肿瘤病例的手术管理提供信息，从而改善患者的预后。

人员要求

成功的申请者应该已经获得或期望获得相关学科的学位，加权平均分达到 60% 或更高，和/或一等或二等以上荣誉学位（或海外机构的同等资格）心理学、物理、化学、神经科学、计算机科学或任何相关的科学科目。首选技能要求包括核磁共振（NMR 或 MRI）、编程、图像分析和数据处理方面的知识/经验。

联系信息

请通过电子邮件j.novak@aston.ac.uk联系 Jan Novak 博士。

申请材料：

·简历副本

·学士学位和硕士学位（如果已学习）的学历复印件；这应该包括证书和成绩单，并且必须翻译成英文

·两份学术参考资料

·你的英语语言能力证明

·一份研究计划

在线咨询专业老师