Auf Offene Positionen halten wir aktuelle Positionen up to date.
AutoPiX – Imaging for Patient Benefit in Arthritis (zwei PhD-Positionen)
Betreuung: Philipp Seeböck & Jana Eder
AutoPiX verbindet multimodale Bildgebung und KI, um Diagnose und Verlaufskontrolle bei Arthritis zu verbessern. Die PhD-Arbeiten konzentrieren sich auf Machine-Learning-Methoden zur Erkennung kleinster Gelenksveränderungen, zur Modellierung von Krankheitsverläufen und zur Identifikation neuer Bildbiomarker. Das Projekt ist Teil eines internationalen Konsortiums und bietet Zugang zu einer der weltweit größten Arthritis-Bilddatenbanken.
Speaking Again – KI-gestützte Wiederherstellung pathologischer Sprache
Betreuung: Philipp Aichinger
Dieses Projekt entwickelt KI-Methoden, um pathologische Stimmen in natürlich klingende Sprache umzuwandeln. Grundlage sind reale klinische Sprachdaten. Die Position ist Teil einer Kooperation zwischen der Medizinischen Universität Wien und der Technischen Universität Graz.
Clinical Pathways and Decision Support for Acute Chest Pain
Betreuung: Dominik Roth
Dieses Projekt nutzt klinische Routinedaten, um diagnostische und prognostische Modelle zu entwickeln, die Ärztinnen und Ärzte bei Entscheidungen in der Notfallmedizin unterstützen.
Machine Learning and In Silico Modeling of Sex Differences in Temporomandibular Joint Function (zwei PhD-Positionen)
Betreuung: Benedikt Sagl
Dieses Projekt kombiniert Machine Learning und biomechanische Simulation, um geschlechtsspezifische Unterschiede in der Kiefergelenksfunktion zu untersuchen. Eine Position fokussiert auf hybride Modellierung und Datenanalyse, die zweite auf Reinforcement Learning zur Modellierung motorischer Steuerung.
Deep Learning for Motion Tracking in MRI
Supervisor: Stanislav Motyka
Dieses PhD-Projekt zielt darauf ab, eine Deep-Learning-basierte Methode zur Echtzeit-Bewegungskorrektur in der MRT zu entwickeln. Die/der Kandidat:in wird ultraschnelle (<10 ms) k-Raum-MR-Navigatoren entwerfen und implementieren, um Kopfbewegungen in 6 Freiheitsgraden mittels Deep Learning zu schätzen. Das Projekt verbindet MR-Physik, Signalverarbeitung und KI, um hochqualitative, artefaktfreie Bildgebung an Ultra-Hochfeld-MRT-Systemen zu ermöglichen.
Deep Learning for real-time B0-Field Stabilisation at 7T MR Scanner
Supervisor: Stanislav Motyka
Dieses Projekt konzentriert sich auf die Entwicklung und Implementierung von Deep-Learning-Methoden zur Echtzeit-Stabilisierung des B0-Feldes an einem 7-T-MRT-Scanner. Die/der Kandidat:in wird unsere DL-Lösung zur Vorhersage von B0-Feldänderungen infolge von Probandenbewegungen weiterentwickeln und direkt am Scanner einsetzen. Das Projekt verbindet physikbasierte Modellierung und Softwareentwicklung mit KI, um die Bild- und spektroskopische Datenqualität an Ultra-Hochfeld-MRT-Systemen zu verbessern.
Bewerbungsfrist: 30. November 2025
Bewerbung: ausschließlich über das Online-Bewerbungstool
Kontakt: phdrecruitment@meduniwien.ac.at
Weitere Informationen zu den Projekten und zum Bewerbungsprozess finden Sie unter
oc10.meduniwien.ac.at/en/open-phd-positions