该项目专注于人工智能在改善头颈癌患者淋巴结管理方面的应用。

资格

完成技术医学、医学、生物医学技术、医学影像或相关领域的博士学位

对技术方法临床应用的高度重视

使用预测模型（AI、机器学习）和三维医学图像数据（CT、PET、MRI）的经验

Python编程熟练度（PyTorch/TensorFlow）

优秀的英语沟通能力

职位描述

博士后将在开发、验证和实施利用先进影像技术和临床数据的预测模型方面发挥关键作用。职责包括：

优化预测模型，并进行训练、验证和外部测试

与由放射治疗师、外科医生和人工智能研究人员组成的多学科团队合作

为临床实施和未来试验做出贡献

指导硕士生和博士生

申请方式

有意者可通过UMCG网站上提供的数字申请表申请。

如对职位有任何疑问，请联系Lisanne van Dijk博士或Inge Wegner博士。

https://werkenbijumcg.nl/vacatures/solliciteren?url=https://www.tangram-tis.nl/10419/Kandidaten/Inschrijven/10419%2D02S000A8JP

PI学术背景

Lisanne van Dijk 博士学术背景概览

Lisanne van Dijk 博士是荷兰格罗宁根大学医学中心（UMCG）放射肿瘤学领域的资深研究员，她的研究核心在于利用人工智能（AI）和高级医学影像分析（放射组学 Radiomics）来预测和减少癌症治疗过程中的毒副反应。

1. 教育与专业训练

van Dijk 博士的学术路径深耕于医学物理与放射生物学的交叉领域：

博士学位： 毕业于格罗宁根大学。她的博士研究重点在于如何通过图像引导和大数据分析，预测头颈部癌症患者在接受放疗后的副作用（如口干症和吞咽困难）。

跨学科研究： 她的学术背景涵盖了物理学、计算机科学与临床肿瘤学的结合，这使她能够熟练运用复杂的数学模型来解决临床医学问题。

2. 核心研究领域与技术

她的研究工作旨在实现个性化放疗，通过“诊疗一体化”的思路，在治疗前就预判患者的获益与风险。

放射组学 (Radiomics)： 从 CT、PET 或 MRI 图像中提取大量定量特征，寻找肉眼无法识别的生物标志物。

预测模型构建： 利用机器学习（Machine Learning）开发正常组织并发症概率（NTCP）模型。这些模型能够帮助医生根据患者的解剖结构和剂量分布，精准预测治疗后的生活质量。

光子与质子治疗对比： 她的研究在 UMCG 著名的质子治疗中心（GPTC）具有重要地位，特别是研究哪些患者能从质子治疗（Proton Therapy）的精准剂量分布中获得最大临床益处。

在线咨询专业老师