Bolsa de TT-V em Modelo IA para Diagnóstico Médico (escore de Gleason)

Level 5-Technical Training Fellowship in AI Model for Medical Diagnosis (Gleason score)

Nº: 6677

Área de conhecimento: Ciência da Computação

Field of knowledge: Computer science

Nº do processo FAPESP: 2023/11600-0

FAPESP process: 2023/11600-0

Título do projeto: Uso de inteligência artificial para auxílio à classificação do escore de Gleason em lâminas anatomopatológicas de câncer de próstata

Project title: Use of artificial inteligence supporting Gleason score-based classification of anatomopathological prostate cancer slides

Área de atuação: Machine Learning / visão computacional para imagens médicas

Working area: Machine Learning / computer vision for medical images

Quantidade de vagas: 1

Number of places: 1

Início: 01/03/2024

Start: 2024-03-01

Pesquisador responsável: Viviane Teixeira L. de Alencar

Principal investigator: Viviane Teixeira L. de Alencar

Unidade/Instituição: Oncodata

Unit/Instituition: Oncodata

Data limite para inscrições: 23/02/2024

Deadline for submissions: 2024-02-23

Publicado em: 23/01/2024

Publishing date: 2024-01-23

Localização: Rua República do Iraque, 40 (Sala 1403), São José dos Campos

Locale: Rua República do Iraque, 40 (Sala 1403), São José dos Campos

E-mail para inscrições: viviane@oncodata.com.br

E-mail for proposal submission: viviane@oncodata.com.br

  • Resumo

    A Oncodata, startup que desenvolve ferramentas de IA para auxílio ao diagnóstico de câncer, está com vagas para novos bolsistas. Para o projeto acima, o bolsista de Treinamento Técnico nível cinco (TT-V) ficará responsável pela investigação e desenvolvimento de um modelo de Machine Learning para auxiliar na correta classificação do escore de Gleason em lâminas de patologia digitalizadas de tumores de próstata.

    Habilidades necessárias:

    - Familiaridade com programação em Python e com o uso de pacotes para ML / Deep Learning (DL), como, por exemplo, Pytorch;

    - Entendimento da arquitetura de redes DL aplicadas ao contexto de visão computacional, em especial Redes convolucionais e Transformers;

    - Entendimento do fluxo de desenvolvimento de um modelo de ML, incluindo aquisição, caracterização e limpeza da base de dados, treinamento do modelo e avaliação do desempenho do mesmo utilizando métricas, como área sob a curva ROC e matriz de confusão;

    - Boa base matemática.

    Habilidades desejáveis (será um diferencial): experiência com desenvolvimento web front-end ou back-end; experiência com pesquisa científica; experiência com o uso de AWS.

    A bolsa será de 40 horas semanais por 12 meses, com modelo de trabalho híbrido e possibilidade de prorrogação pelo período de duração do projeto, a depender da performance do candidato. Os interessados devem enviar o Curriculum Vitae para a pesquisadora responsável.

    Informações sobre requisitos e benefícios da Bolsa FAPESP TT-V estão disponíveis em https://fapesp.br/3098 e https://fapesp.br/3162.