Masterarbeit : Computer Vision-basierte automatisierte Fragmentierungserkennung für Laserlithotripsie-Tests (m / w / d)

Ihre Aufgaben

Im Rahmen dieser Masterarbeit entwickeln Sie ein innovatives System zur automatisierten Erkennung von Steinfragmentierungen während Laserlithotripsie-Tests.

Der Schwerpunkt liegt auf der Kombination von optischer Bildgebung und Computer-Vision-Algorithmen, um den Übergang vom intakten zum frakturierten Zustand präzise zu identifizieren.

Die Arbeit umfasst den Aufbau eines Labor-Setups inklusive Kamerapositionierung, Lichtdesign und Kalibrierung sowie die Entwicklung und Optimierung der Algorithmen zur Bildauswertung.

Ihr Profil

• immatrikuliert in einem Studiengang in Ingenieurwesen oder Informatik oder ähnlichem mit Schwerpunkt Bildgebung / Bildverarbeitung
• Fundierte und routinierte Kenntnisse in Computer-Vision und Python (mit Fokus auf die folgenden Bibliotheken : OpenCV, NumPy, Pandas)
• Technisches Verständnis für Algorithmen in Bildverarbeitung und Kameraansteuerung
• Erste Kenntnisse für die Auslegung eines optischen Systems
• Erste Erfahrungen in Machine-Vision und Deep Learning
• Sehr gute Laborfähigkeiten (Problemlösungs- und Hands-on-Mentalität, selbstständiges Arbeiten, qualitätsorientierter und gewissenhafter Arbeitsstil)
• Hohes Maß an teamorientierter Arbeit, Kreativität und Kommunikationsfähigkeit sowie Eigeninitiative
• Komplexe Sachverhalte können anschaulich vermittelt werden
• Fähigkeit technische Zusammenhänge zu beurteilen und zu bewerten
• Interesse an medizinischen Applikationsaufbauten
• Fließende Deutsch- und Englischkenntnisse vorausgesetzt
• Wünschenswert wären Erfahrungen mit Python-Bibliotheken wie z.B TensorFlow, PyTorch, Keras oder ggf. die Bereitschaft sich dort einzuarbeiten

Warum wir?

Über uns

Dornier MedTech ist ein Unternehmen für Medizinprodukte mit Hauptsitz in der Nähe von München, Deutschland, und eine hundertprozentige Tochtergesellschaft von Advanced MedTech. Als Pionier auf dem Gebiet der Urologie ist Dornier einer der vertrauenswürdigsten Namen in der Branche.