GE医疗
Software Engineer
Software Engineer
发布于 大约 2 个月前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
硕士
深度学习
CUDA
信号处理
医学影像
DICOM
Pytorch/Tensorflow
Mri图像重建
AI 估算 · 35k–55k
该职位要求顶尖的交叉学科技术（医学影像+深度学习+C++），市场人才稀缺，且属于医疗科技前沿领域，薪资竞争力强。
职位详情
关于这个职位
这是一个专注于医学影像（MRI）重建算法开发的软件工程师职位
你将负责设计、实现和优化从经典方法（如FFT、并行成像）到深度学习（如UNet、VarNet）的MRI图像重建算法和软件
工作涉及与物理、临床和平台团队紧密合作，将原型转化为临床级产品，并关注性能优化、数据管道和工程卓越
最低要求
MS or PhD in CS, EE, Biomedical Engineering, Medical Physics, Applied Math, or related field
Strong math and signal processing foundation (linear algebra, optimization, Fourier/sampling theory)
Proficient in modern C++ with solid engineering practices
Knowledge of MRI reconstruction fundamentals: k-space, sampling trajectories (Cartesian/Spiral/Radial), parallel imaging
Expertise in at least one of:
Optimization/Inverse Problems : ISTA/FISTA/ADMM/PGD
Parallel Imaging : SENSE/GRAPPA/ESPIRiT
Non-Cartesian Recon : NUFFT, Toeplitz/blocked-Toeplitz approaches
Deep Learning Recon : End-to-end or physics-constrained networks, Plug-and-Play
Comfortable with Linux, Git, debugging, and performance profiling
工作职责
Feature and Algorithm Development : Implement MRI application feature, Design, implement, and maintain application services and APIs
Deep Learning Recon : Build and train reconstruction networks (UNet/VarNet/physics-guided, score-based) using PyTorch/TF
Performance Optimization : Improve performance, reliability, observability, and developer tooling, GPU/CUDA acceleration, multithreading, memory optimization for real-time/near–real-time recon
Data Pipeline : Handle k-space data, calibration, coil combination, ESPIRiT maps, bias correction, post-processing
Engineering Excellence : Write clean, testable code; unit/integration tests; CI/CD; containerization and deployment
Standards & Integration : Work with DICOM/ISMRMRD; integrate with Gadgetron/BART/internal platforms
Validation & Translation : Partner with MR physicists and clinicians for experiments, benchmarking, and productization
Collaborate on architecture, technical roadmaps, and cross-team initiatives
Participate in agile processes: planning, estimation, retros, and on-call (as needed)
优先资格
CUDA/CuFFT/CuBLAS, OpenMP, SIMD vectorization
Experience with git, jenkens, devops, etc.
Hands-on with real MR data and sequences (EPI, 3D GRE/SE, VIBE, bSSFP, DWI/DTI, ASL, MRE)
DICOM/HL7, PACS/workstation integration, and medical software compliance (IEC 62304, ISO 13485)
Publications/competitions (e.g., fastMRI) or open-source contributions
Technical Expertise: Experience with front-end technologies such as Javascript, HTML5, CSS, AngularJS, BackboneJS, EmberJS, KnockoutJS
Experience with database tools (JPA, Hibernate,JDBC, Spring Data)
Experience with rules engines (Camel, Drools, JRules) & modern tooling (Gradle, Maven, Git, SVN)
Comfortable in building features such as web services and Queries on existing tables.
Aware of methods and practices such as Lean/Agile/XP, etc.
Prior work experience in an agile environment, or introductory training on Lean/Agile.
Aware of and able to apply continuous integration (CI).
General understanding of the impacts of technology choice to the software development life cycle.
AI 洞察
优缺点分析
- 技术前沿且复合：结合了医学物理、信号处理、深度学习和高性能计算，技能壁垒高，不易被替代，长期价值大
- 行业前景与社会价值：医疗科技是持续增长的刚需行业，工作直接贡献于提升医疗诊断水平，职业意义感强
- 顶级公司平台：GE医疗是全球医疗技术巨头，能提供丰富的技术资源、临床合作机会和全球视野，履历含金量高
- 完整的工程实践：涉及从研究到产品落地的全流程，能锻炼扎实的工程化能力和跨学科协作能力
- 技术门槛极高：需要同时精通多个艰深的领域（MRI物理、C++、深度学习），学习曲线陡峭，对候选人的背景和自学能力要求苛刻
- 跨学科沟通压力：需要频繁与MR物理学家和临床医生沟通，将抽象的临床需求转化为技术方案，对沟通和翻译能力要求高
- 质量与合规压力：开发的是用于诊断的医疗软件，对代码质量、系统稳定性和行业合规性（如IEC 62304）有极其严格的要求
- 适合拥有强大数理和工程背景（如CS、EE、生物医学工程硕士/博士），对解决交叉学科复杂问题有浓厚兴趣，并希望技术能产生实际社会价值的资深工程师或研究员
角色解读
- 技术专家路径：可以深耕医学影像算法领域，成为特定重建技术（如深度学习重建、快速成像）的专家，甚至参与行业标准制定或发表高水平论文
- 跨领域管理路径：凭借对临床需求和技术实现的双重理解，可以向技术管理、产品管理或项目负责人方向发展，主导更大型的医疗软件项目
- 行业拓展路径：积累的医学影像处理和软件工程能力，可向更广阔的医疗AI、计算机辅助诊断（CAD）或其他高端医疗器械软件开发领域拓展
- 核心工作是开发用于磁共振成像（MRI）的图像重建算法和软件，将原始扫描数据（k-space）转化为高质量的诊断图像
- 需要同时掌握经典信号处理算法（如并行成像、压缩感知）和前沿的深度学习模型（如UNet、物理引导网络）来实现重建
- 负责整个软件生命周期，包括算法实现、性能优化（GPU加速）、数据管道处理、系统集成（DICOM标准）以及最终的临床产品化验证
- 扎实的数学和信号处理基础，特别是线性代数、优化理论和傅里叶分析，这是理解MRI重建原理的基石
- 精通现代C++编程和良好的软件工程实践，能够编写高性能、可测试、可维护的生产级代码
- 深入理解MRI物理和重建技术，如k-space、采样轨迹、并行成像（SENSE/GRAPPA），并至少在一个细分领域（如优化、深度学习重建）有专长
- 熟悉深度学习框架（PyTorch/TensorFlow）、GPU编程（CUDA）以及Linux开发环境和工具链（Git, CI/CD）
申请策略
- 仔细研究GE医疗在医学影像领域的现有产品和研究方向，在面试中展现出你对公司业务和技术挑战的理解
- 准备阐述你将研究代码或算法转化为稳定、可靠的产品级软件的具体思路和方法，这非常符合该职位的要求
- 重点突出与信号处理、图像重建或医学影像相关的项目、论文或竞赛经历（如fastMRI），用具体数据和成果说明你的贡献
- 详细描述你使用C++和深度学习框架（PyTorch/TF）解决复杂计算问题的经验，特别是涉及性能优化（如GPU、多线程）的部分
- 如果有任何与MRI、CT等医学影像数据打交道的经验，或对DICOM等医疗标准有所了解，务必明确写出，这是巨大的加分项
- 展示你的工程能力，例如参与过从研究到部署的完整项目，熟悉CI/CD、测试和容器化等开发流程
- 如果对MRI物理基础不熟，可以快速学习k-space、傅里叶重建、并行成像等核心概念，理解其数学原理
- 加强现代C++（C++11/14/17）的熟练度，特别是与高性能计算相关的特性，并练习编写清晰、可测试的代码
面试指南
- 对于技术原理问题，采用“理论阐述+直观比喻+实际应用”的结构，确保清晰且有深度
- 对于项目经验问题，使用STAR法则（情境、任务、行动、结果），重点突出你的个人贡献、技术决策背后的思考以及可量化的成果
- 对于软技能和协作问题，强调沟通策略、主动学习和以结果为导向的解决问题能力
- 请详细解释一下并行成像（如SENSE或GRAPPA）的基本原理，并说明它是如何加速MRI扫描的？
- 描述一个你使用深度学习（如UNet）进行图像处理或重建的项目
- 你如何设计网络？如何处理训练数据？如何评估结果？
- 你如何优化一个计算密集型的C++算法以提高其运行速度？请结合具体例子说明你使用过的技术（如多线程、SIMD、GPU编程）
- 在将研究原型转化为临床可用的产品时，你认为最重要的工程考量是什么？（如可靠性、可维护性、合规性）
匹配度报告
84
综合匹配度
技术顶尖、意义感强、平台卓越的医疗影像算法开发岗，适合追求深度技术成长与社会价值的工程师。
适合人群
最适合那些追求工作意义和社会价值，并渴望在技术前沿领域深度发展的求职者，他们对薪资和稳定性也有合理期望。
最强匹配
使命价值匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活65
使命价值95
薪资福利匹配
85较高
作为上市跨国巨头，GE医疗能提供具有市场竞争力的薪酬和完善的福利体系，职业稳定性高。
薪资信号未披露 (35K-55K/月)
福利待遇Relocation Assistance Provided: No
成长发展匹配
90较高
职位涉及医学影像与深度学习交叉领域的前沿技术，在顶级平台参与完整产品开发，技能成长和行业积累价值极高。
技术前沿前沿/新兴技术
技术栈C++、PyTorch、TensorFlow、CUDA、MRI、深度学习、图像重建、DICOM、Linux、Git
业务类型ambiguous
工作生活匹配
65中等
工作地点明确，但未提及远程或弹性安排。医疗产品开发对质量和时效要求高，可能面临一定的项目压力。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
95较高
工作直接服务于提升医疗诊断水平，公司使命“创造医疗无界的世界”赋予了工作强烈的社会意义和使命感。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号create a world where healthcare has no limits、builds a healthier world
创新程度积极采用新技术
Watch Jobs