职责：
1-开发和实施计算机视觉算法：
• 设计和实施先进的计算机视觉算法，用于医学图像分析，重点关注X射线和超声波模式。
• 利用机器学习技术进行图像分割、特征提取和模式识别。
• 实施专门针对发现和表征结节的算法，以促进医学图像的临床解释。
• 与医疗专业人员密切合作，了解临床需求，并确保算法对准确和有意义的结果有所贡献。
X射线和超声波图像处理：
• 专注于X射线和超声波图像的分析和处理。
• 开发和优化图像处理流程，以提高图像质量、减少伪影并提取相关信息。
PACS集成方案：
• 在将计算机视觉解决方案与PACS（影像存档和通信系统）技术集成方面具备专业知识。
• 与IT团队合作，确保无缝集成到现有的医疗保健系统中，强调数据仓库最佳实践。
边缘和云集成：
• 在边缘和基于云的环境中实施解决方案，确保医学图像数据的高效处理和存储。
• 为边缘设备和云平台架构和优化图像处理工作流程。
数据仓库：
• 为医学图像数据设计和实施强大的数据仓库解决方案，确保可扩展性、安全性和可访问性。
• 与数据工程团队合作，建立存储和检索医学图像的最佳实践。
算法优化：
• 优化实时处理和大规模数据集的算法，确保在各种平台上高效实施。
• 与硬件和软件团队合作，实现无缝集成。
研究与开发：
• 了解最新的计算机视觉和医学图像处理技术进展，重点关注边缘和云技术。
• 领导研究项目，探索和实施针对X射线和超声波成像、PACS集成和数据仓库的创新解决方案。
跨职能合作：
• 与多学科团队合作，包括软件工程师、数据科学家和医疗专业人员，了解需求并完善解决方案。
文档和报告：
• 全面记录算法、方法和结果。
• 准备并提交报告和演示给利益相关者。
资格要求：
• 计算机科学、电气工程或相关领域的硕士或博士学位。
• 在开发和实施计算机视觉算法方面具有经验，重点关注X射线和超声波图像处理。
• 熟练掌握Python、C++或Java等编程语言。
• 熟练使用流行的计算机视觉和机器学习库（如OpenCV、TensorFlow、PyTorch）。
• 具有PACS技术集成的经验。
• 具有医学图像数据的数据仓库经验。
• 熟悉边缘和云计算技术。
• 出色的解决问题能力，能够独立工作和团队合作。
• 出色的沟通和协作能力。
优选技能：
• 熟悉医疗保健行业的监管标准和合规性。
• 了解用于并行计算的GPU编程知识。 
多伦多