项目介绍
苏黎世联邦理工 (ETH Zürich) 的决策科学与分析课题组在 Dr. Ni 领导下，现诚招一名博士生，研究人机协同系统的设计与分析。
该职位聚焦于AI系统的开发，重点在于理解和重塑人类在其中的角色。研究情境广泛，包括AI辅助临床或法律决策、AI辅助学习与教育等。研究以理论为主，但在必要时会结合实地或实验室实验等实证研究。
受聘者的职责包括：分析高风险或具有长期影响的AI决策系统，设计能够产生高效可靠结果的AI系统，撰写高质量论文并发表在顶级运营管理期刊上，以及在需要时与外部机构合作评估研究方法。除科研活动外，受聘者还需承担实验室相关事务，如教学和指导硕士论文等。
所属院系：苏黎世联邦理工学院，管理、技术和经济系
项目时长：4 年
申请要求：
· 拥有应用数学、经济学、运筹学或密切相关领域的硕士学位；
· 具备出色的分析和建模能力：优化、机制设计等，拥有人工智能部署方面的行业经验者优先考虑。
申请方式：特招公开项目，通过苏黎世联邦理工学院申请系统递交正式申请。
生物医学工程研究所的CMR研究组致力于开发用于心血管系统评估的磁共振 (MR) 技术与方法。我们设计下一代诊断工具，用于量化血流、器官灌注、代谢与功能、组织成分、微结构和力学特性。该研究组运用物理学、电气工程和计算机科学原理，设计高效且灵敏的成像与推断方法，以帮助指导心血管患者的诊断和治疗。
本项目基于该研究组先前及正在进行的工作，这些工作证明了将高性能临床MR系统降低至较低静磁场强度的优势。结合先进的MR脉冲序列设计和图像重建方法，可以获得出色的图像质量。此外，由于静磁场较低，对心脏中电信号源和磁信号源进行叠加和并形成像成为可能。为此，将获取用于心脏深度推断和数字孪生的数据。
该博士生岗位涉及MR脉冲序列设计和图像重建，以及利用经典和物理信息机器学习方法进行数据推断与融合，以推动心脏时间分辨形态和组织特性成像的发展。工作内容将包括数值模拟、实验测量以及在志愿者身上的应用。此外，还将与团队和临床合作伙伴一起获取患者示例数据，用于构建数字孪生，并评估低场深度CMR成像的诊断价值。
