Universitetet i Stavanger (UiS) har omlag 12.000 studenter og 1.700 ansatte. Vi er eneste norske medlem av European Consortium of Innovative Universities. Universitetet har store ambisjoner. Vi skal ha en innovativ og internasjonal profil og være en drivkraft i kunnskapsutviklingen og endringsprosesser i samfunnet. Sammen med våre ansatte og studenter vil vi løfte blikket, og våge å tenke stort og nytt – vi vil utfordre det velkjente og utforske det ukjente.

Det helsevitenskapelige fakultet tilbyr bachelorutdanning i sykepleie, mastergradsutdanninger i helsevitenskap, i helsesøsterfag, i rus og psykisk helsearbeid, i prehospitale tjenester og i sykepleie med spesialisering i anestesi-, intensiv- og operasjonssykepleie samt videreutdanning i kreftsykepleie. Videre tilbys forskerutdanning (PhD) i helse og medisin og forskerskolen PROFRES - Nasjonal forskerskole for profesjonsrettet og praksisnær forskning på områdene helse, velferd og utdanning. Fakultetet har følgende programområder for forskning: Profesjonelle relasjoner i velferdsyrker, Helsefremming ved kroniske plager, E-læring omsorgsteknologi og simulering, Livsfenomener og omsorg, og Samfunnsdeltakelse i skole og arbeidsliv. Forskningssenteret SHARE - Senter for kvalitet og sikkerhet i helsetjenesten og Forskningsnettverk for helse og teknologi er også hjemmehørende ved fakultetet. Det er i dag ca. 140 ansatte (inklusiv stipendiater og postdoktorer) og ca.1000 studenter tilknyttet Det helsevitenskapelige fakultet.

Stipendiat innenfor helseteknologi

Universitetet i Stavanger inviterer søkere til stipendiatstilling innenfor helseteknologi og biomedisinsk billedanalyse under forskningsnettverket for helse og teknologi.

Forskningsnettverket er et tett samarbeid mellom Det helsevitenskaplige fakultet og Det teknisk naturvitenskaplige fakultet. Det tverrfaglige forskningsnettverket for helse og teknologi er organisert under helsefakultetet og stipendiaten vil bli tatt opp i PhD programmet innenfor helse og medisin, med veiledere fra begge fakultet.

Dette er en utdanningsstilling som i hovedsak skal gi lovende forskere anledning til faglig utvikling. Stillingen har forskerutdanning fram til doktorgrad som mål. Stipendiaten ansettes for en periode på tre år med ren forskerutdanning. Stillingen er ledig for snarlig tiltredelser.

Stipendiaten vil bli en del av følgende prosjekt:

Prostate cancer diagnostics with Magnetic Resonance Images & Machine Learning

Magnetic resonance imaging (MRI) is a promising technology to improve Prostate cancer (PCa) diagnostics. Until a few years ago, the Norwegian national guidelines only recommended MRI for patients with elevated prostate-specific antigen (PSA) and negative standard routine biopsies of the prostate. Today, the national integrated cancer pathway for PCa recommend MRI before taking biopsies.

Recently, MRI has undergone remarkable improvements for PCa detection through multi-parametric MRI that combine anatomical and functional imaging for maximum detection rate, followed by MRI-targeted prostate biopsy, performed either as targeted ultrasound fusion (MR/TRUS) or MR-guided in-bore biopsy (MRGB).

However, current use of prostate MRI is hampered by costs, as well as access to skilled and trained urologists and uro-radiologists. The interpretation of MRIs is difficult and depends on an experienced radiologist. There is a significant inter-observer variation as well as potential for improvement in accuracy for radiologists in interpreting the volume and stage of lesions in prostate MRI.

Recent advances in Computer Aided Diagnosis (CAD) systems for PCa diagnostics has demonstrated potential benefit to improve performance, where typical performance for the current state-of-the-art has sensitivity below 0.9, but with a trade-off of 10 false positives per normal case. Hence, the performance is not yet good enough to gain the necessary trust for large-scale implementation.

Artificial Intelligence (AI) holds the promise to revolutionize uro-radiology by aiding the radiologist in identifying any malignant lesion. Recent advances in deep learning methods have shown impressive results for image-based diagnostic support, also with regard to PCa. One of the key challenges when applying deep learning methods is access to sufficient amount of data, which has limited earlier work.

The main aims of this project is to develop and validate an AI / CAD system for detection and classification of PCa lesions on MRI. The CAD system will be a two-stage system used for prostate lesion segmentation and classification and thereby distinguish pathologically confirmed PCa patients from prostate benign conditions that do not need further follow-up such as patients with prostatitis, or benign prostate hyperplasia (BPH). This will reduce the number of unnecessary biopsies.

The MR images will be handled in a machine learning framework including work flow steps such as pre-processing, registration, feature extraction, segmentation, classification, and finally a diagnosis result. The candidate should have relevant background to be able to handle this.

Supervisors: Associate Professor Ketil Oppedal (ketil.oppedal@uis.no), Professor Trygve Eftestøl (trygve.eftestol@uis.no), MD and associate professor Svein Reidar Kjosavik (svein.reidar.kjosavik@sus.no).

Søkere må ha en sterk faglig bakgrunn med femårig mastergrad, fortrinnsvis av nyere dato, eller tilsvarende utdanning som gir grunnlag for å gjennomføre en forskerutdanning. Karakter på masteroppgaven og veid gjennomsnittskarakter på masterstudiet må begge hver for seg tilsvare B eller bedre for å komme i betraktning. Stillingen kan også søkes av personer med medisinsk embetseksamen og norsk autorisasjon. Karakterkrav for opptak på PhD-programmet gjelder ikke søkere med norsk legeutdanning. Søkere med utdannelse fra utlandet, må som hovedregel tilfredsstille karakterkrav for at opptak skal kunne innvilges.Forkunnskap og erfaring innenfor bildebehandling og maskinlæring er ønskelig.

Ved vurdering vil det bli lagt vekt på søkerens potensiale for forskning innenfor fagfeltet, samt vedkommendes personlige forutsetninger for å gjennomføre forskerutdanningen. Den som ansettes må kunne arbeide selvstendig og i et fellesskap, være nytenkende og kreativ. Stipendiaten må ha gode ferdigheter i engelsk, både skriftlig og muntlig.

Stillingen anses som en viktig rekrutteringsstilling til vitenskapelig stilling ved universiteter og høgskoler.

Studiet gjennomføres i hovedsak ved Universitetet i Stavanger, bortsett fra et avtalt utenlandsopphold i et anerkjent relevant forskningsmiljø.

Stipendiaten lønnes etter Statens lønnsregulativ l.pl 17.515, kode 1017, kr 449.400 bto pr år. Stillingen gir automatisk medlemskap i Statens pensjonskasse som sikrer gode pensjonsrettigheter.

Prosjektbeskrivelse og nærmere opplysninger om stillingen fås ved henvendelse til professor Trygve Eftestøl, tlf 51832035, epost trygve.eftestol@uis.no. Opplysninger om ansettelsesprosessen fås ved henvendelse til HR-rådgiver Helene Engelsgjerd Figved, tlf 51831558, epost helene.e.figved@uis.no.

Søknaden registreres i et elektronisk skjema på jobbnorge.no. Relevant utdanning og erfaring skal registreres i skjemaet. Vitnemål, attester, publikasjonsliste og ev annen dokumentasjon som du ønsker det skal tas hensyn til, lastes opp som vedlegg til søknaden i separate filer. Dokumentasjonen må foreligger på et skandinavisk språk eller engelsk. Hvis vedleggene overskrider 30 MB til sammen må disse komprimeres før opplasting.

Søk stillingen

Om stillingen

  • Søknadsfrist
    20. februar 2019
  • Arbeidsgiver
    Universitetet i Stavanger
  • Nettside
  • Kommune
    Stavanger
  • Arbeidssted
    Ullandhaug
  • Jobbnorge-ID
    162167
  • Intern-ID
    30083233
  • Omfang
    Heltid
  • Varighet
    Åremål

Om søknader

  • Søknader for denne stillingen registreres i et elektronisk skjema på jobbnorge.no
  • Du må fylle ut: Standard CV
  • Vennligst opplys i søknaden hvor du først så stillingsutlysningen!

Se mer

Finn andre stillinger