Hopp til hovedinnhold
Created by potrace 1.11, written by Peter Selinger 2001-2013
EN
Søk på oslomet.no
  • Studier
  • Forskningen vår
  • Samarbeid
  • Universitetsbiblioteket
  • Om OsloMet
  • Kontakt oss
  • For studenter
  1. OsloMet
  2. ...Mellomliggende nivåer er skjult
  3. Disputaser
  4. Disputas: Steven Alexander Hicks
!

Denne disputasen har allerede funnet sted.

Disputas: Steven Alexander Hicks

Steven Alexander Hicks forsvarer sin avhandling «Transparency in Medical Artificial Intelligence» for ph.d. i ingeniørvitenskap.

Dato
14. juni 2022
Arrangør
  • Fakultet for teknologi, kunst og design (TKD)
Type
Avholdt disputas

OSLO METROPOLITAN UNIVERSITY
STORBYUNIVERSITETET

Postboks 4, St. Olavs plass
0130 Oslo
Tlf.: 67 23 50 00

Kontakt oss

  • Facebook
  • LinkedIn
  • Instagram
  • English
  • Alumni
  • Ansatteoversikt
  • Arrangementsoversikt
  • For ansatte
  • For studenter
  • Ledige stillinger
  • Personvernerklæring og informasjonskapslar
  • Pressekontakt
  • Tilgjengelegheitserklæring

Prøveforelesning 

14. juni kl. 13.00

Tittel: “Challenges and limitations of AI in wireless communication systems”

Disputas 

Kandidaten vil forsvare avhandlingen sin 14. juni kl. 15.00.

Bedømmelseskomiteen

  • Første opponent: Professor Radu Prodan, Universität Klagenfurt, Østerrike
  • Andre opponent: Førsteamanuensis Noha El-Ganainy, Høyskolen Kristiania, Norge
  • Komiteleder: Førsteamanuensis Hårek Haugerud, Institutt for informasjonsteknologi, OsloMet

Disputasleder

Forskningsleder Tore Gimse, Institutt for maskin, elektronikk og kjemi, OsloMet

Veiledere

  • “Chief Research Scientist” Michael Riegler, SimulaMet
  • “Chief Research Scientist” Pål Halvorsen, SimulaMet
  • Professor Hugo Lewi Hammer, OsloMet

Prøveforelesning og disputas på Zoom.

Sammendrag av avhandlingen

Å bruke maskinlæring på problemer innen medisin er en raskt voksende trend i nesten alle områder av helsevesenet. 

Den enorme ytelsen som oppnås ved å bruke dyp læring på oppgaver som bilde- og tidsserieanalyse kan ha stor innvirkning på hvordan datamaskiner brukes på sykehus eller klinikker. 

Det er mye å vinne på å utvikle disse systemene, både monetære og samfunnsmessige, der dype nevrale nettverksbaserte modeller en dag kan ha ansvaret for å overvåke helsen vår. 

Til tross for det enorme ansvaret vi gir disse modellene, er tilnærmingen for å utvikle og evaluere disse metodene ofte ikke klar. 

Medisinsk kunstig intelligens (KI)-forskning (på engelsk AI) har vanligvis upresise metodebeskrivelser, private data, implementeringer med lukket kilde og ufullstendige evalueringer. 

Denne oppgaven studerer hvordan KI kan brukes på ulike områder innen medisin, hvor et primært fokus er å se på dagens åpenhet innen medisinsk KI-systemforskning, og har som mål å bidra til et mer åpent og offentlig forskningsmiljø. 

For å oppnå dette, samlet og publiserte vi flere medisinske datasett, utviklet flere KI-modeller i ulike medisinske domener, utførte et utvalg av forskjellige eksperimenter for å validere de innsamlede datasettene, organiserte mange konkurranser om medisinske KI-applikasjoner og undersøkte adekvate modellevalueringsmetoder. 

Arbeidet ble utført på tvers av fire felt av medisin for å få en grundig forståelse av hvordan transparent KI kan brukes på ulike medisinske domener, som inkluderer kardiologi, assistert reproduktiv teknologi, gastroenterologi og mental helse.