】 1.生物医学工程、计算机、自动化、电子信息等相关专业硕士/博士在读。 2.熟悉常见的nnUNet和Transformer等深度学习架构；熟悉理解医学影像处理的基础理论，熟悉常用的损失函数及评价指标；对医学影像分割、检测和分类等有相关经验。 3.熟练掌握Python，熟练PyTorch深度学习框架，具备良好的代码规范。 4.加分项（优先条件） 竞赛经验：在相关 Challenge 等国际医学影像竞赛中取得优异成绩者； 学术论文：以第一作者在 CVPR, ICCV, MICCAI, IEEE-TMI, Medical Image Analysis 等顶会或中科院2区以上期刊发表过论文者； 工程技能：熟悉nnUNet和 MONAI 框架、具有实际项目经验者优先。 影像组学分析：具有影像组学或生境分析经验者 5.有较好的沟通能力，逻辑思维清晰，能够流利阅读英文文献。 6.每周出勤 2~3 天以上，能够连续实习6个月以上者优先。