岗位与流程
医学影像算法岗分布在影像设备厂商、医疗 AI 公司与大厂医疗部门，方向包括病灶检测/分割、图像重建、配准与手术规划。流程通常为笔试 → 2~3 轮技术面 → HR 面，普遍要求讲解论文或项目。
笔试与一面高频题
- 分割：U-Net 结构与跳连的作用、Dice loss 与交叉熵的差异、类别极不均衡怎么处理。
- 检测：三维检测与二维的差异、假阳性抑制的常用手段（级联/难例挖掘）。
- 数据：CT 窗宽窗位的含义、重采样与各向异性 spacing 的处理、DICOM 与 NIfTI 格式。
- 小样本：标注贵怎么办——半监督/自监督/数据增强的适用边界。
- 基础：反向传播推导、BN 在训练与推理的差异、模型量化的基本思路。
二面：课题深挖与场景题
- 论文/比赛（如 MICCAI 挑战赛）会被逐层深挖：数据划分是否泄漏、指标是否只报了最好一折。
- 场景题：模型在 A 医院效果好、B 医院掉点严重，怎么排查（设备域差异/标注标准/预处理）。
- 设备厂商会加传统方法：滤波反投影重建原理、配准的相似性度量与优化。
简历与准备建议
- 一个公开数据集（LiDC、BraTS 等）的完整项目：从预处理到指标分析，比堆多个浅项目有效。
- 指标要诚实报告交叉验证结果，面试官对「只报最好值」极其敏感。
- 了解医疗器械软件注册的基本常识（如软件需要临床验证），体现合规意识是差异化加分。