Jennifer Alvén

Doktorand vid Chalmers, Elektroteknik, Signalbehandling och medicinsk teknik, Digitala bildsystem och bildanalys

Jennifer Alvén är doktorand i forskargruppen Datorseende och Medicinsk Bildanalys. Jennifer forskar inom medicinsk bildanalys under handledning av Fredrik Kahl och Olof Enqvist. Hennes forskning fokuserar på maskininlärning samt explicita och implicita formmodeller för klassificering och segmentering av medicinska 2D och 3D-bilder. Exempel på pågående projekt inkluderar PET-registrering, hjärtsäckssegmentering, klassificering av hjärtultraljud samt segmentering och klassificering av kranskärl. Mer detaljer om dessa projekt finns under fliken 'Forskning'. Jennifer har intervjuats av forskning.se: https://www.forskning.se/2018/05/02/algoritmen-varnar-innan-hjartinfarkten-ar-ett-faktum/Jennifer har bloggat för Chalmers: http://www.chalmers.se/sv/forskning/chalmersforskning/artificiell-lakarlicens/Sidor/default.aspxJennifer är projektledare för WiSE (chalmers.se/wise), ledamot i programrådet för elektroteknik samt i doktorandrådet på E2.

Källa: chalmers.se

Visar 9 publikationer

2018

Shape-aware label fusion for multi-atlas frameworks

Jennifer Alvén, Fredrik Kahl, Olof Enqvist
Pattern Recognition Letters
Artikel i vetenskaplig tidskrift
2017

Improving Multi-Atlas Segmentation Methods for Medical Images

Jennifer Alvén
Licentiatavhandling
2017

Multiatlas Segmentation Using Robust Feature-Based Registration

Frida Fejne, Matilda Landgren, Jennifer Alvén et al
, Cloud-Based Benchmarking of Medical Image Analysis, p. 203-218
Kapitel i bok
2017

Max-margin learning of deep structured models for semantic segmentation

Måns Larsson, Jennifer Alvén, Fredrik Kahl
Lecture Notes in Computer Science, p. 28-40
Paper i proceeding
2017

Shape-aware multi-atlas segmentation

Jennifer Alvén, Fredrik Kahl, Johan Fredriksson et al
Proceedings - 23rd International Conference on Pattern Recognition, ICPR 2016, Cancun, Mexico, 4-8 December 2016, p. 1101-1106
Paper i proceeding
2016

Automatic pericardium segmentation and quantification of epicardial fat from computed tomography angiography

Alexander Norlén, Jennifer Alvén, David Molnar et al
Journal of Medical Imaging. Vol. 3 (3), p. Article number 034003-
Artikel i vetenskaplig tidskrift
2016

Überatlas: Fast and robust registration for multi-atlas segmentation

Jennifer Alvén, Alexander Norlén, Olof Enqvist et al
Pattern Recognition Letters. Vol. 80, p. 249-255
Artikel i vetenskaplig tidskrift
2015

Überatlas: Robust Speed-Up of Feature-Based Registration and Multi-Atlas Segmentation

Jennifer Alvén, Alexander Norlén, Olof Enqvist et al
Lecture Notes in Computer Science. Vol. 9127, p. 92-102
Paper i proceeding
2015

Good Features for Reliable Registration in Multi-Atlas Segmentation

Fredrik Kahl, Jennifer Alvén, Olof Enqvist et al
Proceedings of the VISCERAL Anatomy3 Segmentation Challenge co-located with IEEE International Symposium on Biomedical Imaging (ISBI 2015). Vol. 1390 (January), p. 12-17
Paper i proceeding

Spara referenser

Om du har installerat Zotero eller Mendeley på din dator kan du direkt ta ut referenser från de publikationer du ser i listan.

Du laddar ner dessa pluginer här:
Zotero
Mendeley

Det finns inga projekt att visa.
Det kan finnas fler projekt där Jennifer Alvén medverkar, men du måste vara inloggad som anställd på Chalmers för att kunna se dem.