職位描述：
1. 負責病理切片掃描（Whole Slide Imaging, WSI）圖像處理與計算機視覺算法研發(fā)與落地，覆蓋采集端到成像端的關鍵鏈路。
2. 研發(fā)與優(yōu)化基礎圖像處理模塊：背景/組織區(qū)域檢測、顏色歸一化與白平衡、去噪/去模糊、對比度與銳化增強、伽馬/色彩校正等。
3. 研發(fā)傳統(tǒng)視覺算法以支撐掃描與拼接流程：對焦質量評估（Focus Measure）、模糊檢測、條帶/陰影/亮斑等成像缺陷檢測與校正；特征點提取與匹配（ORB/SIFT 等）、配準（registration）、RANSAC 魯棒估計、單應性（Homography）/仿射/透視變換估計、拼接縫合與融合（blending）。
4. 負責幾何/光學相關矯正：畸變校正、像素尺度校準、平臺運動引起的幾何誤差修正、tile 間亮度一致性與接縫消除等。
5. 基于深度學習/大模型進行組織/目標識別與分割：組織區(qū)域分割、腫瘤區(qū)域/ROI 識別、細胞核/腺體等結構分割，支持后續(xù)檢索、測量與輔助診斷流程。
6. 建立訓練與數據閉環(huán)：數據采集與質控、標注規(guī)范制定（WSI 多尺度標注/ROI 標注/實例標注）、數據增強、難例挖掘、偏差分析與持續(xù)迭代。
7. 模型工程化與部署：訓練腳本與實驗管理、指標體系（mIoU、Dice、mAP、FROC、AUC 等）、推理加速（ONNX/TensorRT 等）、在服務器或端側（如掃描儀工控機）穩(wěn)定運行與性能優(yōu)化。
8. 與硬件/光學/平臺控制/產品團隊協作，定位線上問題（如對焦失敗、拼接錯位、色偏、條紋、偽影等），輸出可解釋、可復現的改進方案與技術文檔。
任職要求：
1、本科及以上學歷，計算機/生物醫(yī)學工程/自動化/電子/數學等相關專業(yè)；具備扎實的線性代數、概率統(tǒng)計、優(yōu)化基礎。2、熟悉圖像處理與傳統(tǒng)視覺算法：濾波/形態(tài)學/邊緣檢測、直方圖與顏色空間、特征點與匹配（ORB/SIFT 等）、配準與幾何變換、拼接與融合等；具備工程實現與調參能力。
3、熟練使用 OpenCV/NumPy 等進行算法開發(fā)與評估，能獨立完成模塊化實現與性能分析（速度、內存、魯棒性）。
4. 熟悉深度學習訓練與調優(yōu)流程，掌握 PyTorch/TensorFlow 至少一種；具備目標檢測與分割任務經驗（語義/實例分割至少其一）。
5. 具備“使用預訓練/大模型進行遷移學習與微調”的能力：能圍繞 WSI 的組織識別、細胞核/腺體分割、偽影檢測或質量控制等任務進行 Fine-tuning/LoRA 等實踐，并能處理類別不平衡、弱標注/噪聲標注等問題。
6. 熟悉 Git、Docker；代碼風格與文檔意識良好，具備跨團隊協作與問題閉環(huán)能力。
加分項
1. 有 WSI/數字病理項目經驗：tile 化、多尺度金字塔、海量圖像讀寫與緩存、ROI 管理；了解常見文件格式與鏈路（如多分辨率金字塔/切片金字塔）。
2. 有掃描成像相關算法經驗：自動對焦、焦面擬合、景深/多焦融合（Z-stack/extended depth of field）、平臺運動誤差建模、光照不均勻校正（flat-field）、條紋（banding）消除等。
3. 了解染色相關問題與顏色處理：H&E 染色差異、顏色歸一化（如 Macenko/Vahadane 思路）、染色分離（color deconvolution）等。
4. 熟悉病理算法評估指標與實驗設計：Dice/mIoU、細胞檢測 F1、病灶檢出 FROC、切片級 AUC；具備統(tǒng)計分析與泛化評估經驗（跨中心/跨染色批次/跨設備）。
5. 熟悉 WSI 算法常見框架與思路：MIL（多實例學習）用于切片級分類/弱監(jiān)督定位；自監(jiān)督預訓練在病理域的應用；多尺度特征融合。
6. 有高性能推理與工程優(yōu)化經驗：ONNX/TensorRT、CUDA/OpenCL、并行流水線、內存映射與緩存策略；能在掃描速度約束下實現實時/準實時處理。