1. 算法工程化落地：开发并优化显微图像预处理、自动分割、特征提取及多维分析算法，将研究级的原型转化为稳定、高性能的生产代码。
2. 高精度统计建模：利用最大似然估计（MLE）、高斯混合模型（GMM）、贝叶斯推断等统计方法，对显微数据进行高精度建模，实现超越衍射极限或低信噪比环境下的信息提取。
3. 数值优化与重建：设计并实现复杂的数值算法，解决图像重建、参数反演及非线性拟合问题，通过代码逻辑提升系统对噪声的容忍度。
4. 数据质量保障：建立严谨的统计检验体系，开发自动化评估工具，量化分析结果的置信区间与可靠性。
5. 计算效能提升：利用并行计算（CUDA/OpenCL）、分布式架构或底层代码优化（C++/SIMD），显著缩短TB级显微图像数据的处理耗时。
1. 物理学、计算数学、统计学、计算机视觉或相关视觉计算领域的博士学历。
2. 深厚的理论功底：精通图像处理理论，并在统计建模（如马尔可夫链蒙特卡罗 MCMC、变分推断）或数值优化方向有深入研究。
3. 卓越的编程能力：精通 Python（SciPy, NumPy, PyTorch/TensorFlow）及 C++，具备良好的算法复杂度分析能力。
4. 工具与框架：熟练掌握 OpenCV、ITK、MATLAB 或 ImageJ 插件开发，能够根据需求快速构建原型并进行重构优化。
5. 高性能计算经验：具备多线程、多进程编程经验，熟悉 GPU 加速计算（CUDA）或大规模数据处理框架者优先。
