瑞士苏黎世联邦理工学院全奖博士招生

实时处理光学脑成像信号的数字健康技术博士学位

项目

中风是全球长期残疾的主要原因，其发病率急剧上升，导致三分之二的患者长期上肢残疾，影响他们的独立性和生活质量。

脑卒中的神经康复是一个复杂而具有挑战性的领域，其挑战在于对康复背后的神经机制的理解有限，以及缺乏针对这些机制的有效策略和评估和监测治疗反应的有效生物标志物。

我们的目标是通过将使用经颅磁刺激（TMS）的非侵入性脑刺激（NIBS）和使用近红外成像（NIRI）的皮层聚焦光学成像方法相结合来解决这些挑战。

我们的目标是将这两种有前景的技术结合起来，并将其转化为临床可行的解决方案，为中风患者提供神经治疗。

利用生物标志物引导的评估进行新的干预措施，与中风研究和临床实践中向个性化医学的当代范式转变相一致。

在桥梁发现项目的框架内，我们开设了两个博士职位，通过TMS和NIRI整合和积极靶向潜在的大脑机制，推进中风治疗的个性化。

一个博士职位专注于该项目的技术实施，另一个专注于该方法的临床应用和验证。

作为本项目中专注于信号处理部分的博士生，您将负责最大限度地提高NIRI大脑信号的稳健性和信号含量，将TMS和NIRI集成到一个组合系统中，并实现实时神经反馈管道。

您将在体内NIRI数据上验证算法，生成和评估全脑图像，研究人工智能支持的大脑模式分类，并支持第二位博士生进行该系统的临床应用。

关键任务

熟悉RELab（光蜂窝）开发的NIRI系统和Cereneo提供的TMS系统

根据文献和临床医生的输入，定义NIRI数据的数据处理和可视化要求

探索用于实时和离线应用的信号处理算法

实现与中风康复相关的实时神经反馈管道、机器学习分类和人工智能支持的生物标志物提取

开发一种结合TMS和NIRI的集成设置，用于大脑坐标的共同配准

建立并验证模拟和分析NIRI大脑记录的框架

计划和协调研究的进行，以验证在健康受试者和患者中实施的算法

在国际会议和同行评审期刊上传播研究成果

积极参与资助写作

要求

生物医学工程、电气工程、信息系统、计算机科学或相关领域的硕士学位

具有软件工程经验，尤其是实时信号处理经验。有机器学习和人工智能经验者优先

丰富的Python经验

对神经康复和神经科学有浓厚兴趣。具备大脑解剖/机制方面的先验知识者优先

执行科学严谨实验工作的好奇心和动力

出色的沟通和人际交往能力

愿意与患者和临床医生合作

自我激励、独立工作能力和解决方案导向的心态

良好的英语口语和书面表达能力，要求德语流利（B2）

愿意支持教学和监督MSc/BSc学生项目

职位信息网址

https://jobs.ethz.ch/job/view/JOPG_ethz_SotZpl297WkYcXXeSf

转自：“科研doge”微信公众号

如有侵权，请联系本站删除！