Postdoc (m/w/d) Quantitative MR Bildgebung, Inverse Probleme und Deep Learning - Physik, angewandte

Messkunst „Made in Germany“ – dafür stehen die ca. 2.100 Mitarbeitenden der Physikalisch-Technischen Bundesanstalt (PTB). Als nationales Metrologieinstitut und führende Forschungseinrichtung entwickeln wir in einem internationalen Arbeitsumfeld weltweit führende Standards für das Messen. So sorgen wir dafür, dass Menschen und Organisationen Messungen vertrauen können.

In Berlin-Charlottenburg suchen wir für die Abteilung 8 „Medizinphysik und metrologische Informationstechnik“ einen

Postdoc (m/w/d) Quantitative MR-Bildgebung, Inverse Probleme und Deep Learning – Physik, angewandte Mathematik oder Scientific Computing

Entgeltgruppe 13 TVöD Bund • befristet bis zum 30. Juni 2030 • Vollzeit Die Stelle ist grundsätzlich teilzeitgeeignet.

Ihre Aufgaben: Im Rahmen des von der DFG geförderten Sonderforschungsbereichs (SFB)

Matrix in Vision

werden im Teilprojekt „C03-Quantitative Bildgebung“ standardisierte Magnetresonanzverfahren (MR) für die Unterstützung verschiedener Anwendungsprojekte bereitgestellt. Daneben werden neue schnelle MR-Aufnahmeverfahren mit Deep-Learning-basierten Rekonstruktionsverfahren unter der Open-Source-Plattform

MRpro

und für verschiedene Parameterklassen (z. B. MR-Relaxationszeitmessungen und MR-Elastographie) genutzt. Ein Schwerpunkt liegt in der Entwicklung der Elastographie zur nicht-invasiven Druckmessung inkl. Unsicherheitsbestimmung der Parameter unter dem Einfluss der Deep-Learning-Verfahren. Die Arbeiten werden in der Zusammenarbeit zwischen PTB und der Charité durchgeführt. Es stehen mehrere MR-Forschungsscanner (3-Tesla-MRT-Systeme) mit umfangreichen Messmöglichkeiten zur Verfügung.

Sie unterstützen uns mit folgenden Tätigkeiten:

Unterstützung der anwendungsorientierten Teilprojekte durch Bereitstellung von standardisierten quantitativen MR-Aufnahmeverfahren (insb. Relaxometrie und Elastographie)

Implementierung von standardisierten Rekonstruktionsverfahren als Teil der Open-Source-Plattform

MRpro

Entwicklung schneller quantitativer MR-Verfahren unter Nutzung neuer Deep-Learning-basierter Verfahren zur Lösung des inversen Problems

Untersuchung der Unsicherheit der quantitativen Parameter der MR-Relaxometrie und MR-Elastographie unter dem Einfluss von Deep-Learning-Verfahren

Experimentelle Validierung der Verfahren

Ihr Profil:

Abgeschlossenes Hochschulstudium (Diplom/Master) mit Promotion in Physik, angewandter Mathematik, Scientific Computing oder einer vergleichbaren Fachrichtung

Fundierte Kenntnisse in der MR-Bildgebung (Datenaufnahme und/oder Rekonstruktion)

Kenntnisse in quantitativen MR-Verfahren (z. B. Relaxometrie oder Elastographie) bzw. Bayesscher Statistik von Vorteil

Erfahrung mit Deep-Learning-Verfahren oder Signaltheorie

Erfahrung in der wissenschaftlichen Programmierung (Python, PyTorch)

Sicherer Umgang und Kommunikationsfähigkeit mit biomedizinischen Anwenderinnen und Anwendern

Eigenständige, engagierte und zielorientierte wissenschaftliche Arbeitsweise

Ausgeprägte Team- und Kommunikationsfähigkeit

Deutschkenntnisse (B2-Niveau) und Englischkenntnisse (C1-Niveau)

Bereitschaft zu Dienstreisen

Wir bieten:

Anspruchsvolle Forschungs- und Projektarbeit mit nationaler und internationaler Relevanz

Arbeiten mit hochmoderner Forschungsinfrastruktur in einem wissenschaftlich exzellenten Umfeld

Fachliche Gestaltungsmöglichkeiten und eigenverantwortliches Arbeiten

Flexible Arbeitszeitmodelle, familienfreundliche Rahmenbedingungen und tarifliche Vergütung

Zielgerichtete Fort- und Weiterbildungsangebote sowie fachliche Spezialisierungsmöglichkeiten

Das ist uns wichtig: Die PTB fördert die Gleichstellung von Frauen und Männern und ist besonders an Bewerbungen von Frauen interessiert. Gleichzeitig sind wir bestrebt, die gesellschaftliche Vielfalt widerzuspiegeln. Daher ist jede Bewerbung, unabhängig von ihrem Geschlecht, ihrer kulturellen oder sozialen Herkunft, Religion, Weltanschauung oder sexuellen Identität, herzlich willkommen. Schwerbehinderte oder ihnen gleichgestellte Menschen werden bei gleicher Eignung bevorzugt berücksichtigt.

Stellenanzeige automatisch mit KI zusammengefasst