Jennifer Alvén

Postdoc, Elektroteknik

Jennifer Alvén är postdoc i forskargruppen för datorseende. Jennifer forskar inom medicinsk bildanalys med fokus på djup maskininlärning för tolkning och analys av medicinska bilder. Pågående projekt inkluderar automatisk tolkning och analys av hjärtultraljud samt detektion, segmentering och klassificering av plack och förträngningar i kranskärl i skiktröntgen.
Doktorander:
  • Roman Naeem
  • Victor Wåhlstrand Skärström
Avslutade examensarbeten:
  • Elin Björnsson & Jan Liu, M.Sc. 2020: Automatic assessment of cardiac ultrasound images using deep learning.
  • Daniel Hallberg & Oscar Nilsagård, M.Sc. 2019: Eye region segmentation using deep learning for Smart Eye tracking systemsSmart Eye.
  • Charlotta Aguirre Nilsson & Medina Velic, M.Sc. 2018: Classification of ulcer images using convolutional neural networksQRTECH
  • Fredrik Ring, M.Sc. 2018: Deep learning for coronary artery segmentation in CTA images.
  • Henrik Hallberg & Victor Wessberg, M.Sc. 2018: Detection of child-like objects inside vehicles using deep learning Alten
  • Jenny Nilsson, M.Sc. 2017: Feature-based quality assessment for spoof fingerprint images på Fingerprint Cards.
  • Elvin Alcevska, M.Sc. 2016: Segmentation of the left ventricle of the heart in 2D ultrasound images using convolutional neural networks.
  • Bolin Shao, M.Sc. 2016: Pericardium segmentation in non-contrast cardiac CT images using convolutional neural networks​.
Kurser:
EEN180 Medicinska bildsystem - Föreläsare (HT 2022)
SSY186 Medicinska bildsystem - Föreläsare (VT 2022), kursansvarig (VT 2021), laborationshandledare, kursutveckling (VT 2019)
SSY096 Bildanalys - Gästföreläsare (VT 2017-2022), övningsledare, projekt & laborationshandledare, kursutveckling (VT 2015-2019)
SSY130 Tillämpad signalbehandling - Övningsledare, projekthandledare (HT 2016-2017)
EMI084 Kretsanalys - Övningsledare, laborationshandledare (HT 2015)
​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​
  • Cardiobotics Hemsida för mina pågående forskningsprojekt på Sahlgrenska Akademin, Göteborgs Universitet.
  • WiSE (Women in SciencE) Ett nätverk med målet att stödja, uppmuntra och inspirera en könsneutral akademi.
  • SCAPIS (Scandinavian CArdioPulmonary bioImage Study) En världsunik studie inom hjärta, kärl och lunga.
  • AIDA En nationell arena för forskning och innovation i medicinsk bildanalys.
  • AI Sweden Nationellt center för tillämpad AI.
  • MedTech West En nätverks- och samarbetesplattform för forskning, utbildning, utveckling och utvärdering av nya biomedicinska koncept och tekniker.
  • Beviljat Vinnovaprojekt SCAPIS AI-plattform (4.2 MSEK) 2020-2022.
  • Belönad med Best Swedish thesis 2019-2020 av Swedish Society for Automated Image Analysis.
  • Belönad med IBM best student paper (track: Biomedical image analysis and applications) på ICPR (International Conference on Pattern Recognition) 2016 för artikeln Shape-aware multi-atlas segmentation.
  • Belönad med Best student paper på SCIA (Scandinavian conference on image analysis) 2015 för artikeln Uberatlas: Robust speed-up of feature-based registration and multi-atlas segmentation.

Sidansvarig Publicerad: on 16 nov 2022.