موقعیت دکتری: سیستم ردیابی خودکار فعالیت خوردن برای بی‌اشتهایی عصبی با استفاده از هوش مصنوعی و حسگرهای پوشیدنی
توسعه سیستم‌های پوشیدنی مبتنی بر هوش مصنوعی برای نظارت عینی بر رفتار خوردن در بیماران مبتلا به بی‌اشتهایی عصبی.
مناسب برای:مناسب برای مهندسان هوش مصنوعی/یادگیری ماشین با پیش‌زمینه قوی در پایتون، یادگیری عمیق (PyTorch/TensorFlow) و اشتیاق به کاربردهای مراقبت‌های بهداشتی و پژوهش‌های بالینی.
مرور کلی
این موقعیت دکتری با تأمین مالی کامل در KU Leuven بر ایجاد یک سیستم حسگر پوشیدنی مبتنی بر هوش مصنوعی برای ردیابی رفتار خوردن در افراد مبتلا به بی‌اشتهایی عصبی تمرکز دارد. این پروژه تخصص آزمایشگاه تحقیقاتی eMedia (متخصص در هوش مصنوعی، یادگیری ماشین و سلامت دیجیتال) و گروه تحقیقاتی ذهن-بدن (علوم اعصاب بالینی و اختلالات خوردن) را ترکیب می‌کند. پژوهشگر دکتری پروتکل‌های جمع‌آوری داده را طراحی کرده، خط لوله‌های یادگیری ماشین را برای داده‌های حسگر پوشیدنی توسعه داده و نشانگرهای زیستی دیجیتال قابل تفسیر برای کمی‌سازی الگوهای خوردن ایجاد خواهد کرد. این کار شامل همکاری نزدیک با پزشکان، روان‌شناسان و مهندسان برای ترجمه روش‌های هوش مصنوعی به کاربردهای مراقبت‌های بهداشتی در دنیای واقعی است. محیط میان‌رشته‌ای فرصت‌هایی را برای نوآوری در نشانگرهای زیستی دیجیتال و نظارت مستمر بر اختلالات خوردن ارائه می‌دهد.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.