Klinisk kunstig intelligens – forskningsgruppe

 

Jarle Berge

(forskningsgruppeleder)

Arbeidssted: Hormon, overvekt og ernæringsavdelingen, forskningsseksjonen , Medisinsk klinikk, SiV. Enhet for fedme, fysikalsk medisinsk seksjon, Klinikk fysikalsk medisin og rehabilitering, SiV .

Stilling: Forsker, førsteamanuensis og fysiolog.

 

 

 

 

Inge Rasmus Groote 

Arbeidssted: Radiologisk avdeling, klinikk for medisinsk diagnostikk, SiV.

Stilling: Forskningskoordinator.

 

 

 

 

 

 

Pål Morberg

Arbeidssted: Anestesiologisk avdeling, kirurgisk klinikk, SiV.

Stilling: Overlege og PhD-stipendiat

 

 

 

 

 

Bjørn-Jostein Singstad

Arbeidssted: Forskning og Innovasjonsavdelingen, SiV.

Stilling: Helseinformatiker, PhD-stipendiat.

 

 

Frode Solem

Arbeidssted: IT, klinikk for medisinsk diagnostikk, SiV.

Stilling: Rådgiver Informasjon og kommunikasjonsteknologi.

 

 

 

Lars Martin Skollerud

Arbeidssted: Øyeseksjonen, klinikk for kirurgi, SiV.

Stilling: Overlege og PhD-stipendiat

Nermin Zecic

Arbeidssted: Mikrobiologisk avdeling, klinikk for medisinsk diagnostikk, SiV

Stilling: Bioinformatiker

 

 

 

Erik Skaaheim Haug

Arbeidssted: Urologisk seksjon, klinikk for kirurgi, SiV.

Stilling: Overlege og forsker

 

 

 

Jørgen Melau

Arbeidssted: Prehospital klinikk, SiV.

Stilling: Forsker

 

 

 

 

Gunhild Mari-Anne Opsahl

Arbeidssted: Radiologisk avdeling, SiV

Stilling: Avdelingssjef

 

Martin Paulson

Arbeidssted: Senter for kreft og blodsykdommer

Stilling: Overlege

 

 

 

 

Laurens de Vries

Arbeidssted: Radiologisk avdeling

Stilling: PhD-kandidat maskinlæring

• Kunstig intelligens for automatisert deteksjon av hjerneblødninger
  Prosjektleder: Dr. Inge Groote, SiV.
• Kunstig intelligens for automatisert gradering av prostatakreft
  Prosjektleder: Prof. Erik Skaaheim Haug, SiV.
• Kunstig intelligens for å estimere fysisk kapasitet hos pasienter med fedme
  Prosjektleder: Dr. Jarle Berge, SiV.
• Sammenheng mellom drukning, hjerterytmeforstyrrelser og svømmeindusert lungeødem etter fall i vann
  Prosjektleder: Dr. Jørgen Melau, Forsvaret.
• Utvikling av kunstig intelligens-basert EKG tolkning for raskere og bedre deteksjon av pasienter med hjerteinfarkt
  Prosjektleder: Bjørn-Jostein Singstad, Akershus Universitetssykehus.
• Kommersiell kunstig intelligens-løsninger for forbedret arbeidsflyt i radiologisk avdeling
  Prosjektleder: Dr. Inge Groote, SiV.
• Kunstig intelligens for deteksjon og vurdering av diabetesretinopati og maculaødem 
  Prosjektleder: Lars Morten Skollerud, SiV.
• Kunstig intelligens for automatisert diagnostikk og gradering av blodkreft
  Prosjektleder: Martin Paulson, SiV.
• Ekstern validering av in-house kunstig intelligensløsning for diagnostikk av hjerneblødning
  Prosjektleder: Inge Groote, SiV
• Videreutvikling og ekstern validering av in-house kunstig intelligensløsning for diagnostikk av prostatakreft
  Prosjektleder: Erik Skaaheim Haug, SiV
• Kunstig intelligens for rekonstruksjon av intraoperative MR-bilder av hjernesvulster
  Prosjektleder: Inge Groote, SiV 
• Kunstig intelligens for å estimere fysisk kapasitet hos pasienter med fedme
  Prosjektleder: Jarle Berge, SiV
• Kunstig intelligens for kvantifisering av hjernemetastaser
  Prosjektleder: Inge Groote, SiV
• Utvikling av kunstig intelligens-basert EKG tolkning for raskere og bedre deteksjon av pasienter med hjerteinfarkt
  Prosjektleder: Bjørn-Jostein Singstad, Akershus Universitetssykehus
• Kunstig intelligens for å predikere effekt av antidepressiv terapi
  Prosjektleder: Matthan Caan, Academic University Medical Centre
• Implementasjon av kommersielle løsninger basert på kunstig intelligens for forbedret arbeidsflyt i radiologisk avdeling
  Prosjektleder: Inge Groote, SiV
• Dyp kunstig intelligens til bruk for tolkning og detektering av diabetesretinopati og maculaødem
  Prosjektleder: Lars Morten Skollerud

2024:

Poirot MG, Ruhe HG, Mutsaerts HJMM, Maximov II, Groote IR, Bjørnerud A, Marquering H, Reneman L, Caan MWA. Treatment Response Prediction in Major Depressive Disorder Using Multimodal Magnetic Resonance Imaging and Clinical Data: Secondary Analysis of a Randomized Clinical Trial. American Journal of Psychiatry 2024; 181: 223-233.

Ottesen JA, Storas T, Vatnehol SAS, Løvland G, Vik-Mo EO, Schellhorn T, Skogen K, Larsson C, Bjørnerud A, Groote-Eindbaas IR, Caan MWA. Deep Learning-based Intraoperative MRI Reconstruction. European Radiology Experimental, in press.

Rogstadkjernet M, Zha SZ, Klæboe LG, Larsen CK, Aalen JM, Scheirlynck E, Singstad B-J, Droogmans S, Cosyns B, Smiseth OA, Haugaa KH, Edvardsen T, Samset E, Brekke PH. A deep learning based method for left ventricular strain measurements: repeatability and accuracy compared to experienced echocardiographers. BMC Med Imaging 2024; 24: 306.

2023:

MacIntosh BJ, Liu Q, Schellhorn T, Beyer MK, Groote IR, Morberg PC, Poulin JM, Selseth MN, Bakke RC, Naqvi A, Hillal A, Ullberg T, Wasselius J, Rønning OM, Selnes P, Kristoffersen ES, Emblem KE, Skogen K, Sandset EC, Bjørnerud A. Radiological features of brain haemorrhage through automated segmentation from computed tomography in stroke and traumatic brain injury. Frontiers in Neurology 2023; 4: 1244672

Røvang M, Selnes P, MacIntosh BJ, Groote IR, Pålhaugen L, Sudre C, Fladby T, Bjørnerud A. Segmenting white matter hyperintensities on isotropic three-dimensional Fluid Attenuated Inversion Recovery magnetic resonance images: Assessing deep learning tools on a Norwegian imaging database. PLoS ONE 2023; 18: e0285683.

Zha S.Z., Rogstadkjernet M., Klæboe L.G, Skulstad H., Singstad B.-J., Gilbert A, Edvardsen T., Samset E, Brekke P. H. Deep learning for automated left ventricular outflow tract diameter measurements in 2D echocardiography. Cardiovasc Ultrasound 21, 19, 2023.

Singstad B. J., Ravn J., & Ranjbar A. Memory Inception: Predicting Neurological Recovery from EEG Using Recurrent Inceptions. Computing in Cardiology, 2023.

Ottesen JA, Caan MWA, Groote IR, Bjørnerud A. A Densely Interconnected Network for Deep Learning Accelerated MRI. Magnetic Resonance Materials in Physics, Biology and Medicine 2023; 36: 65-77.

2022:

Singstad B. -J., Gitau A. M., Johnsen M. K., Ravn J., Bongo L. A. and Schirmer H., Phonocardiogram Classification Using 1-Dimensional Inception Time Convolutional Neural Networks. Computing in Cardiology, 2022.

Poirot MG, Caan MWA, Ruhe HG, Groote IR, Bjørnerud A, Reneman L, Marquering H. Robustness of radiomic features for variations in whole-brain segmentation methods. Scientific Reports 2022; 12: 16712.

2021:

Singstad B. -J., Muten E. M. and Brekke P. H., Multi-Label ECG Classification Using Convolutional Neural Networks in a Classifier Chain. Computing in Cardiology, 2021.

2020:

Singstad B. -J. and Tronstad C., Convolutional Neural Network and Rule-Based Algorithms for Classifying 12-lead ECGs. Computing in Cardiology, 2020.

 

Forskningsgruppen samarbeider med flere nasjonale og internasjonale miljøer og forskere med kompetanse innen medisin og kunstig intelligens. Blant annet

• Computational Radiology & Artificial Intelligence (CRAI) ved Oslo Universitetssykehus
• Forskningsgruppe Kunstig intelligens ved Amsterdam University Meical Center (UMC)
• Det nasjonale nettverket Kunstig intelligens i norsk helsetjeneste (KIN)
• Nettverket PRESIMAL
• Universitetet i Sørøst-Norge
• Forskningsgruppen Health and Exercise in a Lifecourse Perspective (HELP) ved Universitetet i Sørøst-Norge
• Research Group in Computer Science, institutt for mikrosystemer og Handelshøyskolen ved Akershus Universitetssykehus
• Avdeling for teknologi og e-helse ved Akershus Universitetssykehus

Spesielt viktige samarbeidspartnere inkluderer:

Vimala Nunavath

• Arbeidssted: Department of Science and Industry systems, Campus Kongsberg, Universitetet i Sørøst-Norge (USN)
• Stilling: Førsteamanuensis.

Bradley MacIntosh

• Arbeidssted: Computational Radiology & Artificial Intelligence (CRAI), Klinikk for radiologi og nukleærmedisin (KRN), Oslo universitetssykehus (OUS)
• Stilling: Seniorforsker

Matthan Caan

• Arbeidssted: Academic University Medical Centre (AUMC)
• Stilling: Professor

Atle Bjørnerud

• Arbeidssted:  Computational Radiology & Artificial Intelligence (CRAI), Klinikk for radiologi og nukleærmedisin (KRN), Oslo universitetssykehus (OUS)
• Stilling: Professor

I tillegg har gruppen inngått partnerskap med Norwegian Artificial Intelligence Research Consortium (NORA).

• Sykehuset i Vestfold

• Helse Sør-Øst

• Nasjonalforeningen for folkehelsen