#search-wrapper{display: none;}
/* Maastricht University Sidebar style */ .jobColumnTwo .joblayouttoken { background: #e3e3e3; color: #011b3c; padding: 0 20px 5px !important; } .jobColumnTwo .joblayouttoken .joblayouttoken-label { color: #039fd8; font-weight: bold; } .jobColumnTwo .joblayouttoken.marginTopLarge { padding: 20px 20px 5px 20px !important; } .jobColumnTwo .joblayouttoken.marginBottomLarge { padding: 0 20px 20px 20px !important; }
/* Maastricht University full-width header image */ .topleft.verticallyscaled.backgroundimage.large-image-component { height: 0 !important; } div[role='img'] .topleft.scaled.large-image-component{ height: 0 !important; position: absolute; padding-top: 20% !important; background-position: center !important; top: 50px; } div.job{ position: relative; padding-top: 26% !important; } /* Fix voor niet werkende knop */ div.jobTitle{ z-index: 2; position: relative; margin-top: 5px; }
Promovendus - Medische beeldanalyse en AI in hemostase onderzoek
Welkom bij de Universiteit Maastricht!
Wil jij kunstmatige intelligentie inzetten om medisch onderzoek en diagnostiek naar een hoger niveau te tillen? Binnen een innovatief onderzoeksproject aan de Universiteit Maastricht ontwikkel je AI-oplossingen die de analyse van microscopische beelden automatiseren en bijdragen aan de diagnostiek van bloedings- en stollingsstoornissen. Je werkt op het snijvlak van biomedische wetenschap, data science en klinische toepassingen.
Promovendus medische beeldanalyse en AI in hemostase onderzoek
Ons doel: het ontwikkelen van een geautomatiseerde, high-throughput analyse van flowkamerbeelden met behulp van kunstmatige intelligentie. Hiermee willen we de analyse van trombusvorming versnellen, standaardiseren en verder verbeteren voor zowel wetenschappelijk onderzoek als toekomstige klinische toepassingen.
Jouw collega’s: je wordt onderdeel van de afdeling Biochemie van de Faculty of Health, Medicine and Life Sciences (FHML), het Cardiovascular Research Institute Maastricht (CARIM) en werkt nauw samen met het Centraal Diagnostisch Laboratorium (CDL) van het Maastricht UMC+. Je maakt deel uit van een multidisciplinair team bestaande uit onderzoekers, analisten, klinisch chemici, hematologen, data scientists en ICT-specialisten.
Je vervult een centrale rol in de ontwikkeling van AI-methoden voor de automatische analyse van beelden afkomstig uit de Maastricht Flowkamer. Dit vormt de kern van je onderzoek. De Maastricht Flowkamer is een technologie waarmee trombusvorming onder (patho)fysiologische stromingssnelheden in real-time wordt gevisualiseerd en vervolgens geanalyseerd. Benieuwd hoe deze techniek werkt? Bekijk de korte video "Let it flow: what flowing blood is telling us about blood clotting": https://www.youtube.com/watch?v=m22Mw7HQ7tA. Daarnaast pas je vergelijkbare AI- en datagedreven benaderingen ook toe op andere biomedische datasets, en draagt zo bij aan een breder onderzoeksprogramma dat methodologische ontwikkeling, medicatiestudies en klinische vertaling omvat, evenals aan voortgangsrapportages en wetenschappelijke publicaties.
Wat jij doet
Je analyseert de huidige (semi-)geautomatiseerde beeld- en data-analyse van de Maastricht Flowkamer en identificeert mogelijkheden voor verbetering.
Je ontwikkelt AI-modellen voor de automatische segmentatie, kwantificatie en classificatie van flowkamerbeelden, met deep learning- en self-supervised technieken die ook ongelabelde data benutten.
Je automatiseert de verwerking en analyse van grote datasets afkomstig uit flowkamerexperimenten
Je valideert de ontwikkelde AI-modellen en vertaalt deze naar een robuuste high-throughput analysemethode, die aansluit bij klinische vraagstukken binnen de hematologie, zoals de diagnostiek van onbegrepen bloedings- en stollingsafwijkingen.
Afhankelijk van de voortgang van het project pas je vergelijkbare data science- en AI-methoden toe op andere complexe laboratoriumdatasets op gebied van hemostase en trombose.
Je werkt nauw samen met laboratoriumonderzoekers, clinici en data scientists om AI-oplossingen optimaal aan te laten sluiten bij klinische en wetenschappelijke vragen.
Je presenteert onderzoeksresultaten op (inter)nationale congressen en publiceert in internationale wetenschappelijke tijdschriften.
Wat jij meebrengt
Bij de Universiteit Maastricht geloven we dat talent zich op verschillende manieren ontwikkelt. We zoeken een nieuwsgierige onderzoeker met een sterke affiniteit voor AI, medische (beeld)analyse en data science, die graag bruggen slaat tussen computationele methoden en klinische toepassingen. Herken jij jezelf hierin?
Je hebt een afgeronde masteropleiding, bij voorkeur in een biomedisch-technologische, (bio)medische of een aanverwante richting, zoals geneeskunde, systeembiologie, klinische gezondheidswetenschappen, (clinical) data science of bio-informatica.
Je hebt aantoonbare ervaring met data-analyse en programmeren (bijvoorbeeld Python of R), bijvoorbeeld via projecten, stages of werkervaring waarin je datasets hebt geanalyseerd. Ervaring met machine learning of deep learning (bijv. met scikit-learn, TensorFlow of PyTorch) en/of (medische) beeldanalyse (zoals segmentatie of classificatie) is een sterke pré.
Je hebt interesse in hemostase, trombose en laboratoriumgeneeskunde, en begrijpt dat succesvolle AI-oplossingen beginnen met een goed begrip van het onderliggende klinische probleem. Eerdere ervaring op deze gebieden is niet vereist, maar je dient gemotiveerd te zijn om de benodigde biologische en klinische kennis te ontwikkelen.
Je beschikt over uitstekende communicatieve vaardigheden in het Engels, mondeling én schriftelijk. Beheersing van het Nederlands is een sterke pré.
Je bent zelfstandig, nieuwsgierig en proactief en werkt graag samen binnen een multidisciplinair team van onderzoekers, klinisch chemici, medisch specialisten, ICT-professionals en andere zorgprofessionals.
Deze functie betreft in de basis een promotieplaats. Tegelijkertijd staan wij open voor sterke kandidaten met een relevante AI-/data science-achtergrond die niet per se een promotietraject willen volgen, zoals ervaren data scientists of AI engineers. In dat geval kan de invulling van de rol worden besproken als een onderzoeksgerichte functie binnen hetzelfde project.
Wat je van ons mag verwachten
Bij de Universiteit Maastricht werk je in een internationale, open en betrokken omgeving. We bieden:
Een jaarcontract (1,0 fte), bij wederzijdse tevredenheid wordt het contract verlengd met 3 jaar.
Een bruto salaris tussen € 3204 en € 4051 bruto per maand (bij een fulltime dienstverband van 38 uur per week), exclusief 8% vakantiegeld en een 8,3% eindejaarsuitkering.
29 vakantiedagen (op basis van fulltime), vier extra vrije feestdagen, en de mogelijkheid om 12 extra dagen op te bouwen via compensatie-uren.
Flexibele werktijden, een thuiswerkvergoeding en hybride werken.
Vrijheid en ruimte om je werk zelfstandig in te richten en je eigen ideeën te ontwikkelen.
Een hechte community van collega’s waarmee je nauw samenwerkt.
Een goede pensioenregeling via het ABP, bedrijfsfitness en toegang tot een uitgebreid sportaanbod.
Een inspirerende werkomgeving in het hart van Europa.
Over de Faculty of Health, Medicine and Life Sciences (FHML)
FHML werkt aan gezondheid in de breedste zin van het woord: van molecuul tot mens, en van gezondheidszorg tot preventie. We leiden zorgprofessionals en onderzoekers op binnen innovatieve onderwijsprogramma’s, en doen baanbrekend onderzoek op het gebied van gezondheid en welzijn. Als onderdeel van het Maastricht UMC+ (MUMC+) vormt onze internationale en interdisciplinaire gemeenschap een unieke samenwerking tussen universiteit en academisch ziekenhuis, waar onderwijs, onderzoek en zorg samenkomen.
Nieuwsgierig geworden?
Wil je meer weten over deze functie of over werken bij onze universiteit? Neem contact op met Judith Cosemans via
[email protected]. De einddatum van de publicatie is 20 september 2026.
Bij je sollicitatie vragen we je om de volgende documenten toe te voegen:
Je cv
Een korte motivatie
Je cijferlijst
Het eerste gesprek kan bestaan uit een korte presentatie en een rondleiding. Indien nodig volgt er nog een tweede gespreksronde.
Solliciteer via onderstaande knop. We hopen je snel te leren kennen!
Over de Universiteit Maastricht
Aan de Universiteit Maastricht zoeken we samen naar antwoorden waarmee we de wereld vooruithelpen. Dat doen we samen met 23.300 studenten en 5.400 medewerkers, verspreid over 5 steden in de regio, 6 faculteiten en ruim 70 onderzoeksinstituten in de Euregio. Hier krijg je de ruimte om grenzen te verleggen en nieuwe kansen te ontdekken; voor jezelf en voor de wereld om je heen. Want echte antwoorden vinden we samen.
De vacature staat open voor interne- en externe kandidaten. Bij gelijke geschiktheid hebben interne kandidaten voorrang.
Bij Maastricht University nemen we graag zelf contact op met potentiële kandidaten. We vragen daarom vriendelijk om geen acquisitie of aanbiedingen van bureaus of tussenpersonen.
Universiteit Maastricht zet zich in voor het bevorderen en behouden van een diverse en inclusieve gemeenschap. Wij geloven dat diversiteit in onze medewerkers- en studentenpopulatie bijdraagt aan de kwaliteit van onderzoek en onderwijs aan de UM. Dit willen we mogelijk maken door middel van inclusief beleid en innovatieve projecten in samenwerking met studenten en medewerkers. We moedigen je aan om voor deze functie te solliciteren.
Soort vacature: Academic
Faculteit/Servicecenter: Faculty of Health, Medicine and Life Sciences
Sluitingsdatum: 20-09-2026
FTE minimaal: 1,0
FTE maximaal: 1,0
Salaris min: €3204,00
Salaris max: €4051,00
ID vacature: 3719
.videocomponenta2f51048d3f8cbf3 a{ border: 1px solid transparent; } .videocomponenta2f51048d3f8cbf3 a: focus{ border: 1px dashed #00a2db !important; outline: none !important; }
Soort vacature: Academic
Faculteit/Servicecenter: Faculty of Health, Medicine and Life Sciences
Sluitingsdatum: 20-09-2026
FTE minimaal: 1,0
FTE maximaal: 1,0
Salaris min: €3204,00
Salaris max: €4051,00
ID vacature: 3719
.videocomponent3b8da473f809b8b1 a{ border: 1px solid transparent; } .videocomponent3b8da473f809b8b1 a: focus{ border: 1px dashed #00a2db !important; outline: none !important; }
