1.研发机器学习/深度学习算法，构建自研脑电信号AI模型；
2.通过AI模型提取临床可用的脑电特征值；
3.持续优化模型性能，提升准确率与鲁棒性。

岗位要求：
1、专业背景：02计算机科学（机器学习/信号处理）、应用数学（模式识别）、生物医学工程（神经工程）、电子工程（信号处理）等相关专业硕士或博士；
硕士需2-3年ML/DL实战经验，博士需1-2年经验；
2、技术能力：精通时序模型（LSTM、GRU、TCN）及EEG专用CNN架构（EEGNet、DeepConvNet）；熟练使用PyTorch/TensorFlow/MindSpore等框架；了解神经科学基础（EEG频段划分、ERP检测原理）。

优先条件（满足其一即可）：
1、熟悉电生理信号的预处理算法，如伪迹去除(ICA、自适应滤波)、时频分析(小波变换、STFT)，以及传统特征提取:功率谱密度(PSD)、Hjorth参数、非线性动力学特征(如近似熵)；
2、熟悉脑电拓扑结构(电极位置如10-20系统)，能结合空间特征(如使用Laplacian 滤波)；
3、熟悉Transformer在EEG中的应用(如STFT+ViT)、自监督学习(对比学习预训练)；
4、有精神疾病诊断AI项目的开发经验；
5、发表过 EEG或ERP相关论文；
6、熟悉公开EEG 数据集(如 TUH EEG、Sleep-EDF)和竞赛方案(如BCICompetition)。