Liebe StudentInnen,
Die bildgebende Durchflusszytometrie kombiniert die Leistung von Mikroskopie und Durchflusszytometrie, wodurch eine Hochdurchsatzdarstellung einzelner Zellen in Suspension ermöglicht wird. Diese Technologie revolutioniert die Zellanalyse und liefert detaillierte Einblicke in die zelluläre Morphologie und phänotypische Eigenschaften. Dies setzt aber eine sehr gute Segmentierung der einzelnen Zellen voraus.
Aufgaben umfassen unteranderem:
Literaturrecherche zum Stand der Technik im Bereich Zellsegmentierung Verbesserung vorhandener Ansätze Benchmarking unterschiedlicher Ansätze Ablation Studien
Mitzubringen (am besten) sind:
Studium in Informatik/Ingenieurwesen, Biomedizinische Technik oder verwandte Bereiche Grundkenntnisse in Deep Learning und Bildverarbeitung Erfahrung mit Programmierung in Python Erfahrung mit Bildverarbeitungsbibliotheken in Python wie OpenCV. Erfahrung mit Python-basierten Deep Learning Frameworks (PyTorch, JAX oder TensorFlow)
Benefits:
Einarbeitung Home-Office möglich Sprache Deutsch / Englisch
Interessant für Sie? Bitte senden Sie eine E-Mail mit Ihrem Lebenslauf und Motivationsschreiben an die untenstehende Kontaktperson.
Karlsruhe Institute of Technology (KIT) Institute for Automation and Applied Informatics (IAI) Automated Image and Data Analysis (AIDA) Machine Learning for Time Series and Images (ML4TIME)
Angelo Jovin Yamachui Sitcheu, M.Sc.
Hermann-von-Helmholtz-Platz 1
Building 449, Room 330 76344 Eggenstein-Leopoldshafen
Phone: +49 721 608 25755 E-Mail: angelo.sitcheu@kit.edu
KIT - The Research University in the Helmholtz Association