Arbetsbeskrivning

Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser: https://www.uu.se/om-uu/jobba-hos-oss/lediga-jobb. 

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för cancerdiagnostik och kliniskt beslutsstöd? Vill du vara en del av ett multidisciplinärt forskarteam med kompetenta och trevliga kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka anställning som doktorand vid Institutionen för informationsteknologi, Uppsala universitet.

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution, och har i dag drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Joakim Lindblad, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Utvecklingen av artificiell intelligens (AI) och datoriserad bildbehandling i kombination med avancerad digital mikroskopi möjliggör stora framsteg inom klinisk patologi och cancerdiagnostik. Dagens AI-metoder kräver stora mängder data med ett detaljerat facit som AI-systemet kan lära sig ifrån. Inom sjukvården finns i de flesta fall bara tillgång till information på patientnivå, om patientens hälsotillstånd och sjukdomsutveckling. I det här projektet kommer vi att utveckla teori, algoritmer och metoder för att effektivt träna AI-modeller utifrån begränsad och inexakt information samt obalanserade och heterogena multimodala data.

Denna behovsdrivna metodutveckling finner direkt tillämpning inom sjukvården. Vi kommer att, tillsammans med våra samarbetspartners inom sjukvård och biomedicin, tillämpa de utvecklade metoderna för att från cell- och vävnadsprover så tidigt som möjligt upptäcka cancer samt att individanpassat prediktera vilken behandling som förväntas ge bäst resultat för patienten.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet till utbildning på forskarnivå har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, molekylär bioteknik, dataanalys, tillämpad matematik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och erfarenhet av ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin.
• Erfarenhet av programmering i JavaScript, versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys.

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett följebrev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst
  • Tidigast möjliga startdatum (med skäl om tillämpligt)
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 september 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Joakim Lindblad (e-post: [email protected])

Välkommen med din ansökan senast den 1 juni 2026, UFV-PA 2026/1408.