物理信息生成式AI用于动态心脏MRI博士项目

This PhD project aims to develop trustworthy generative AI methods that enhance low-dose cardiac MRI imaging, reducing reliance on gadolinium-based contrast agents which are harmful to health and the environment. The research will incorporate MR imaging physics and clinical data to produce reliable diagnostic information while quantifying uncertainty.

Introduction: Do you want to make cardiac MRI safer for patients and the environment? Join PRIMA-CMR, a EuroTech Universities Alliance project between TU/e and the Technical University of Munich (TUM) and help to develop trustworthy generative AI that makes it possible to scan with far less contrast agent. Job Description: Cardiac MRI gives unmatched insight into heart disease, but some of its most important exams depend on gadolinium-based contrast agents. Gadolinium can build up in the body, cannot be given to all patients, and is now an environmental pollutant. A large reduction in the dose would make cardiac MRI safer and available to more patients. At low doses, however, the images no longer contain enough signal for a reliable diagnosis. Current AI methods can make images that look realistic, but they cannot guarantee that what they show is real. We are looking for a motivated PhD candidate to develop new generative AI methods that recover diagnostic information from low-dose cardiac MRI in a reliable and trustworthy way. Your work will combine knowledge of MR imaging physics, patient-specific clinical information, and uncertainty quantification. The aim is a model whose outputs clinicians can trust, and which tells them when it is not certain. You will validate the methods on real clinical data together with our clinical partners.

Job Requirements: A master’s degree (or an equivalent university degree) in Biomedical Engineering, Computer Science, Electrical Engineering, Applied Physics, Applied Mathematics, or a related field. Background in deep learning, with an interest in generative models. Knowledge of MRI physics, physics-based modeling, or inverse problems is a plus. Proficiency in Python and a deep learning framework such as PyTorch. A research-oriented attitude, analytical thinking, and problem-solving skills. Ability to work in an international, interdisciplinary team, and willingness to spend six months at TUM in Munich. Strong interest in medical imaging and cardiovascular disease. Motivated to develop your teaching skills and coach students. Fluent in spoken and written English (C1 level).

就业条件： 在一所充满活力、志向远大的大学中，在跨学科环境和国际合作网络内从事有意义的工作。您将在美丽、绿意盎然的校园工作，校园距中央火车站仅需步行即可到达。此外，我们还为您提供： 全职聘用四年，并在入职九个月后进行中期考核。四年聘期内至少 10% 的工作时间用于教学任务，且每年的教学工作时间占比最高为 15%。 薪酬与福利（如养老金计划、带薪孕期假和产假、部分带薪育儿假）按照《荷兰大学集体劳动协议》的 P 级薪资标准执行（税前月基本工资最低为 € 3,204，最高为 € 4,051（全职））。 除基本工资外，您还将获得 8% 的假期津贴和 8.3% 的年终奖金，两者均以年度税前基本工资为计算基数。 充足的休假选择：每年标准休假为 29 天（按每周工作 38 小时计算）；每周多工作两小时，可将年休假增加至 41 天（弹性工作时间安排）。非全职工作者的休假天数按比例折算。 作为埃因霍芬理工大学 TU/e 的员工，您将参加 ABP 养老金计划，该计划提供退休养老金，以及遗属和职业失能相关的养老金保障。埃因霍芬理工大学 TU/e 承担养老金缴费的 70%，员工缴纳其余 30%。 提供优质培训项目及其他支持，帮助您成长为具有自我认知、能够独立开展工作的科研人员。在埃因霍芬理工大学 TU/e，我们鼓励您主动负责自己的学习过程。 完善的技术基础设施，以及校园内儿童托儿服务。 以极为优惠的费用，不限次数使用埃因霍芬理工大学 TU/e 校园内现代化的学生体育中心。 我们通过免费提供全天候 24/7 的 OpenUp 服务支持您的身心健康，为您及家人提供心理健康支持、专家指导和在线培训。 提供通勤、居家办公和上网费用补贴。 为国际申请者提供员工移民事务团队的支持及税收补偿方案（外籍人员方案）。 您可在我们的网站上进一步了解聘用条件。在埃因霍芬理工大学 TU/e 继续发展您的职业生涯！

申请： 我们邀请您通过“申请”按钮提交完整的申请文件。申请应包含以下内容： 求职信中请阐述您对该职位的动机及个人资质。 个人简历，包含您的论文列表及三位推荐人的联系方式。请注意，我们在招聘过程的任何阶段都可能联系推荐人。建议您在提交申请时将信息告知您的推荐人。 对您硕士论文的简要说明（主题、研究方法及贡献），以及您所开展的其他相关研究项目。 硕士与学士课程清单及成绩要求。 请务必提交所有要求的申请文件。我们优先处理已完成的申请。期待收到您的申请，并将尽快进行筛选。该职位将一直开放招聘，直至有人录用为止。 请注意： 您可在线申请。我们不会处理通过电子邮件或邮寄方式提交的申请。 招聘前筛选（例如知识安全审查）可作为选拔程序的一部分。关于知识安全审查的更多信息，请参考《国家知识安全指南》。 请勿主动联系我们推销服务。 参考编号：2026/670 立即申请