PhD Position (f/m/d)

Universitätsklinikum Würzburg; Würzburg; Vor Ort; EUR 45.000 - 65.000; Vollzeit

Zusammenfassung

Eine innovative Einrichtung sucht einen hochmotivierten PhD-Kandidaten, um an einem spannenden Projekt zur KI-gestützten Optimierung der internen Dosimetrie zu arbeiten. In dieser dynamischen und interdisziplinären Forschungsumgebung werden Sie Zugang zu modernsten Bildgebungstechnologien und klinischen Datensätzen haben. Ihre Aufgaben umfassen die Entwicklung und Validierung von KI-Methoden zur Verbesserung der Dosimetrie in der Radiopharmazie sowie die Integration dieser Methoden in klinische Arbeitsabläufe. Diese Position bietet eine hervorragende Gelegenheit zur Zusammenarbeit mit nationalen und internationalen Partnern in der Wissenschaft und im Gesundheitswesen. Wenn Sie eine Leidenschaft für medizinische Bildgebung und KI haben, freuen wir uns auf Ihre Bewerbung.

Leistungen

Training und Weiterbildung

Betriebliche Altersvorsorge

Flexible Arbeitszeiten

Kollegialität

Sport- und Fitnessangebote

Mitarbeiterevents

Corporate Benefits

Qualifikationen

• Abgeschlossenes Hochschulstudium in medizinischer Physik oder verwandten Bereichen.
• Praktische Erfahrung mit Python und maschinellen Lernframeworks.

Aufgaben

• Entwicklung von KI-basierten Methoden zur Verbesserung der internen Dosimetrie.
• Präsentation von Forschungsergebnissen auf wissenschaftlichen Konferenzen.

Kenntnisse

Python

Machine Learning

AI Applications

Medical Imaging

Image Processing

Ausbildung

Master in Medical Physics

Master in Computer Science

Master in Biomedical Engineering

Tools

PyTorch

TensorFlow

Jobbeschreibung

Application deadline: 15/05/2025

The Department of Nuclear Medicine at the University Hospital Würzburg is seeking a highly motivated PhD candidate (f/m/d) to join the research group of Prof. Johannes Tran-Gia (Heisenberg Professorship for Multimodal Imaging and Theranostics). The position is part of an innovative project on AI-driven optimization of internal dosimetry, with a focus on quantitative SPECT/CT imaging.

We offer

• PhD position (75 % TV-L E13, initially limited to 3 years) in a dynamic and interdisciplinary research environment.
• Access to cutting-edge imaging technologies and clinical datasets.
• High-performance computing infrastructure for AI training and image processing.
• 3D printing lab for phantom development and research prototypes.
• Integration into the structured PhD program of the Graduate School of Life Sciences (GSLS) at the University of Würzburg.
• Support for attending scientific conferences, further training, and career development.
• Collaboration with national and international partners in academia and healthcare.
• Under certain conditions, activities can be credited toward the medical physics expert (MPE) certification.

Your Tasks

• Development and validation of AI-based methods to improve internal dosimetry in radiopharmaceutical therapy, with a focus on quantitative SPECT/CT.
• Application and further development of algorithms for image enhancement, segmentation, and quantitative analysis.
• Integration of AI methods into clinical dosimetry workflows.
• Presentation of research results at scientific conferences and publication in peer-reviewed journals.

Your Profile

• Completed university degree (Master’s or equivalent) in medical physics, computer science, physics, biomedical engineering, or a related field.
• Strong interest in medical imaging and AI applications in healthcare.
• Practical experience with Python and machine learning frameworks (e.g., PyTorch, TensorFlow).
• Background in nuclear medicine or SPECT/CT is a plus, but not mandatory.
• Excellent command of English (written and spoken); knowledge of German is advantageous.

This is what you can look forward to

• Training and Continuing Education
• Retirement Pension Plan
• Flexible Working Hours
• Collegiality
• Sport and Fitness Options
• Employee Events
• Corporate Benefits

Become part of the team: Apply now!

Katrin Höpfl
Leitung Finanzen und Controlling
Tel: [phone]

Remuneration is in accordance with the relevant collective agreements. Severely disabled applicants will be given preference if they are otherwise equally qualified.