Jennifer Alvén

Doktor, Elektroteknik

Jennifer Alvén är doktor i forskargruppen Datorseende och Medicinsk Bildanalys. Jennifer forskar inom medicinsk bildanalys med fokus på maskininlärning samt explicita och implicita formmodeller för klassificering och segmentering av medicinska 2D och 3D-bilder. Pågående projekt inkluderar hjärtsäckssegmentering (skiktröntgen), klassificering av hjärtultraljud samt segmentering och klassificering av kranskärl (skiktröntgen). Mer detaljer om dessa projekt finns under fliken 'Forskning'.

Media:
https://sverigesradio.se/sida/artikel.aspx?programid=104&artikel=7344353&fbclid=IwAR12YpaLFN4ZSymQAEqnzRJ2KsxF_fa6LBbT5WswPBDT2YDCG_uysD-ha_s
https://www.chalmers.se/sv/institutioner/e2/nyheter/Sidor/Snart-kan-AI-varna-for-sjukdom-innan-den-uppstar.aspx?fbclid=IwAR06QXa13kAZms8GErR8TZuv2WsCMO8xEw-STCZNFMnwsmrl6GL6vUz7AyA
https://alivmagasin.se/artificiell-intelligens-kan-radda-liv/?fbclid=IwAR0y_Rnh_2z4glr5_pg4kE0lsUY4Zf2XZf5u-jq8uIq6nA1fc6gmV9v2U08
https://www.forskning.se/2018/05/02/algoritmen-varnar-innan-hjartinfarkten-ar-ett-faktum/
http://www.chalmers.se/sv/forskning/chalmersforskning/artificiell-lakarlicens/Sidor/default.aspx

Jennifer är ledamot i WiSE (chalmers.se/wise).​
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:
SSY186 Medicinska bildsystem - Laborationshandledare, kursutveckling (VT 2019)
SSY096 Bildanalys - Övningsledare, projekt & laborationshandledare, kursutveckling (VT 2015-2019)
SSY130 Tillämpad signalbehandling - Övningsledare, projekthandledare (HT 2016-2017)
EMI084 Kretsanalys - Övningsledare, laborationshandledare (HT 2015)
Pågående projekt:
  • Kranskärlssegmentering samt detektion och klassificering av stenosis i CTA (i samarbete med SCAPIS)
  • Hjärtsäckssegmentering och estimering av epikardiellt fett i CTA och CT (i samarbete med SCAPIS)
  • Klassificering av hjärtultraljudsbilder (i samarbete med Sahlgrenska Akademin)
​​​​​​​​​​​​​​​​​​​​​​​​​​​​
WiSE (Women in SciencE): Ett projekt med syftet att stödja och skapa nätverk för unga, kvinnliga forskare.

MedTech West: En nätverks- och samarbetesplattform för forskning, utbildning, utveckling och utvärdering av nya biomedicinska koncept och tekniker.
  • 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.

Publicerad: må 28 sep 2020.