Job description

Die universitäre Arbeitsgruppe Digitale Medizin bietet eine Stelle auf dem wachsenden Gebiet der prädiktiven Modellbildung und Anomalie-Detektion an. Ein Kernproblem dabei besteht in einem Mangel an ausreichend diversen Daten der verschiedenen relevanten Erkrankungsmuster. Jedoch existieren insbesondere aus Vorsorge-Untersuchungen oftmals große Datenmengen aus der gesunden Population. Die Anomalie-Detektion und unüberwachtes Lernen bieten die Möglichkeit, diese Daten zu nutzen, um Unregelmäßigkeiten sowie deren klinische Bedeutung robust zu charakterisieren.

Die Möglichkeit zur Promotion ist gegeben.

Die Stelle bietet die Möglichkeit, eigene Ansätze und Forschungsinhalte zu verfolgen. Im Vordergrund stehen die folgenden Anwendungsfelder:

• Anomalie-Detektion zur Erkennung von Erkrankungen sowie zur Risiko-Vorhersage
• Prädiktive Modellierung auf Basis verteilter Realwelt-Datensätze
• Unsupervised Learning zur Verbesserung der Robustheit von Klassifikatoren

Die Forschungsthemen sollen kritisch anhand ihres erwarteten Beitrags für die Verbesserung der Gesundheitsversorgung ausgesucht und priorisiert werden. Dabei sollen Hindernisse des klinischen Alltags abgebaut und neue Diagnosemöglichkeiten entwickelt werden. Der/Die Forscher:in wird bei der Einwerbung von Drittmitteln unterstützt und kann so zum Aufbau der Gruppe beitragen.  

Die Stelle beinhaltet eine Lehrverpflichtung von 2 SWS. Studierende sollen durch innovative Lehrkonzepte auf die kommenden Herausforderungen der digitalen Medizin vorbereitet und entsprechend des Forschenden Lernens mittels Seminar- und Abschlussarbeiten in die aktuelle Forschung eingebunden werden.

Die Arbeitsgruppe ist der universitäre Arm des Fraunhofer MEVIS und befindet sich derzeit im Aufbau. Eine enge Zusammenarbeit ist gewünscht.

Aufgabenschwerpunkte

• Wissenschaftliche Forschung in mindestens einem der Anwendungsfelder
• Beteiligung an wissenschaftsbasierten und interdisziplinär ausgelegten Lehrveranstaltungen für Bachelor- und Masterstudierende
• Betreuung und Entwicklung von Abschlussarbeiten in den Anwendungsfeldern    
• Aktive Beteiligung an der Drittmittelakquise zu Forschungsthemen im Rahmen der Anwendungsfelder
• Mitwirkung an der akademischen Selbstverwaltung

Requirements

• Abgeschlossenes wissenschaftliches Hochschulstudium (Master/Uni-Diplom) in Informatik, Medizininformatik, Medizinphysik oder eng verwandten Gebieten
• Ausgezeichnete Kommunikationsfähigkeiten und Begeisterung für die Arbeit im Team
• Idealerweise exzellente Programmierkenntnisse und Erfahrungen mit aktuellen Deep-Learning-Bibliotheken
• Idealerweise Forschungserfahrung zu Methoden oder Anwendungen in mindestens einem der Anwendungsfelder
• Idealerweise Erfahrung in der wissenschaftsbasierten Lehre
• Neugier und der Wunsch, einen Beitrag zur Verbesserung der Gesundheitsversorgung zu leisten

General Information

Offen für unkonventionelle Ansätze in Forschung und Lehre hat die Universität Bremen sich seit ihrer Gründung vor 50 Jahren ihren Charakter als Ort der kurzen Wege für Menschen und Ideen bewahrt. Mit einem breiten Fächerspektrum verbinden wir außergewöhnliche Leistungsstärke und großes Innovationspotenzial. Als ambitionierte Forschungsuniversität stehen wir für den Ansatz des Forschenden Lernens und eine ausgeprägte Orientierung an Interdisziplinarität. Wissenschaftliche Kooperationen weltweit gestalten wir aktiv und partnerschaftlich.

Heute lernen, lehren, forschen und arbeiten rund 23.000 Menschen auf unserem internationalen Campus. In Forschung und Lehre, Verwaltung und Betrieb bekennen wir uns nachdrücklich zu den Zielen der Nachhaltigkeit, Klimagerechtigkeit und Klimaneutralität. Unser Bremer Spirit drückt sich aus im Mut, Neues zu wagen, in einem unterstützenden Miteinander, in Respekt und Wertschätzung füreinander. Mit unserem Studien- und Forschungsprofil und als Teil des europäischen YUFE-Netzwerks übernehmen wir gesellschaftliche Verantwortung in der Region, in Europa und der Welt.

Die Universität Bremen ist familienfreundlich, vielfältig und versteht sich als internationale Hochschule. Wir begrüßen daher alle Bewerber:innen unabhängig von Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion/Weltanschauung, Behinderung, Alter, sexueller Orientierung und Identität.

Da die Universität Bremen beabsichtigt, den Anteil der weiblichen Beschäftigten in der Wissenschaft zu erhöhen, werden Frauen besonders ermutigt, sich zu bewerben.

Schwerbehinderte Menschen werden bei im Wesentlichen gleicher fachlicher und persönlicher Eignung bevorzugt berücksichtigt.

Die Bewerbungsunterlagen sollten ein Motivationsschreiben, einen Lebenslauf, Zeugnisse, den wissenschaftlichen und technischen Hintergrund des Bewerbers / der Bewerberin in Bezug auf die Position sowie ein Referenzschreiben enthalten.

Für Rückfragen wenden Sie sich bitte an Prof. Dr.-Ing. H. Hahn (E-Mail: horstprotect me ?!uni-bremenprotect me ?!.de).

Bitte senden Sie Ihre Bewerbung in englischer Sprache unter Angabe der Referenznummer A311-24 bis zum 01.12.2024 in einer PDF-Datei auf dem unverschlüsselten elektronischen Postweg an:

Prof. Dr.-Ing. Horst Hahn
E-Mail: horstprotect me ?!uni-bremenprotect me ?!.de

oder postalisch an:

Fraunhofer MEVIS, Max-von-Laue Straße 2, D-28359 Bremen

Wir bitten Sie, uns von Ihren Bewerbungsunterlagen nur Kopien (keine Mappen) einzureichen, da wir sie nicht zurücksenden können. Sie werden nach Abschluss des Auswahlverfahrens vernichtet. Etwaige Kosten für das Bewerbungsverfahren können nicht erstattet werden.

Die in die engere Wahl gekommenen Bewerber:innen werden kontaktiert und zu einem Vorstellungsgespräch per Videokonferenz oder persönlich eingeladen.