Ο ρόλος της Τεχνητής Νοημοσύνης στη διάχυτη ευημερία και υγεία

yefim (1) (1)

Ομιλητής:

Φανή Δεληγιάννη

Πανεπιστήμιο:

Πανεπιστήμιο της Γλασκώβης

πόλη υποδοχής:

Γλασκώβη, Ηνωμένο Βασίλειο

ημερομηνία:

01/02/2024

ώρα:

11:47 μμ

τοποθεσία:

Συνάντηση ZOOM

Περίληψη

Υπάρχει ένα σχετικά ανεξερεύνητο πεδίο σχετικά με τον τρόπο συστηματικής σύνδεσης κλινικών αρχείων με πληροφορίες που λαμβάνονται από συσκευές ανίχνευσης στο σπίτι και την παροχή καθοδήγησης και διαλειτουργικότητας για τους χρήστες. Πρόκειται για μια σημαντική ερευνητική κατεύθυνση με άμεσο κοινωνικοοικονομικό αντίκτυπο στον κλινικό και τεχνολογικό τομέα της υγειονομικής περίθαλψης. Σε αυτή την ομιλία, η Δρ Δεληγιάννη θα συζητήσει τις εγγενείς προκλήσεις στην επεξεργασία ετερογενών δεδομένων υγειονομικής περίθαλψης. Για παράδειγμα, χαμηλός επιπολασμός των συμβάντων έκβασης, ανεπαρκή επισημασμένα δεδομένα, ελλιπή δεδομένα μαζί με μετατοπίσεις και αναντιστοιχίες μεταξύ της κατανομής εκπαίδευσης και της κατανομής στόχου. Στη συνέχεια, θα αναλύσει ορισμένες από τις τρέχουσες ερευνητικές εργασίες της για την αντιμετώπιση αυτών των προκλήσεων.

Σύντομο βιογραφικό σημείωμα:

Η Δρ Φανή Δεληγιάννη έχει ένα διεπιστημονικό υπόβαθρο, με προσόντα και ερευνητική εμπειρία από κορυφαία ιδρύματα παγκόσμιας κλάσης, τα οποία έχουν οδηγήσει σε υψηλής ποιότητας ερευνητικές συνεισφορές για απαιτητικά προβλήματα στην επιστήμη της πληροφορικής και της υγειονομικής περίθαλψης. Είναι διπλωματούχος μηχανικός ηλεκτρολόγος μηχανικός και μηχανικός υπολογιστών από το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, κάτοχος MSc στην προηγμένη πληροφορική και διδακτορικού διπλώματος στην ιατρική απεικόνιση υπολογιστών από το Imperial College του Λονδίνου και MSc στη νευροεπιστήμη από το UCL. Το ιστορικό της περιλαμβάνει περισσότερες από 70 εργασίες/περιλήψεις/κεφάλαια βιβλίων με κριτές (25 περιοδικά, 4 κεφάλαια βιβλίων) και έχει αντίκτυπο στην κοινότητα της μηχανικής μάθησης για εφαρμογές υγειονομικής περίθαλψης, καθώς και στην κοινότητα ανάλυσης ιατρικής απεικόνισης, όπως φαίνεται από το google scholar h-index 24 και 3683 αναφορές. Έχει λάβει σημαντική χρηματοδότηση από το MRC, το EPSRC και τη Royal Society για την ανάπτυξη αλγορίθμων μηχανικής μάθησης για την επεξεργασία ιατρικών απεικονιστικών και νευροφυσιολογικών δεδομένων με σκοπό τη βελτίωση της πρόβλεψης κινδύνου και της διάγνωσης ασθενειών.

Σύνδεσμος ζουμ: 

https://us02web.zoom.us/j/9662365566?pwd=ZmpaeUE1U0hyQlVzaXJBN3dVMW5aQT09

Μοιραστείτε αυτό το σεμινάριο: