Professor

Alexander Selvikvåg Lundervold

Arbeids- og kompetanseområde

Hvordan kan vi transformere kunstig intelligens-metoder til praktiske, KI-baserte løsninger? Hvilken rolle kan KI spille innen sektorer som utdanning, medisin og helse både nå og i fremtiden?

Alexander er professor i kunstig intelligens (KI) ved Høgskulen på Vestlandet (HVL) og en engasjert formidler av KI og dens praktiske anvendelser. Hans arbeid ligger i skjæringspunktet mellom maskinlæring, kunstig intelligens og dataingeniørfag, med særlig fokus på utvikling, evaluering og implementering av KI-baserte løsninger innen medisin, helse og utdanning.

Ved HVL leder han arbeidet med KI-basert innovasjon og effektivisering gjennom roller i KI-koordineringsgruppen, forskningsgruppen for Artificial Intelligence Engineering og HVLs KI-lab. Han underviser i kunstig intelligens for undervisere og administrativt ansatte, og gir jevnlig råd til virksomheter om hvordan KI kan forbedre tjenester og åpne for nye muligheter.

Siden 2018 har han ledet aktivitetene innen Medisinsk AI ved Mohn Medical Imaging and Visualization Centre (MMIV) på Haukeland universitetssjukehus, med fokus på utvikling av maskinlæringsdrevet programvare for medisinsk diagnose og behandling.

Formidling

Alexander har holdt over 100 foredrag for helsesektoren, akademia, næringsliv og offentlige organisasjoner. Foredragene spenner over fire hovedområder: 

Helse og medisin: Medisinsk KI og fremtidens helsetjenester for sykehus, helseforetak og medisinske konferanser.

Utdanning og akademia: KI i undervisning, forskningsinnovasjon og digitale læringsverktøy for universitets- og høgskolesektoren og videregående skoler. 

Næringsliv og innovasjon: Praktiske anvendelser av KI for effektivisering og forretningsutvikling, i store konsern og lokale bedriftsnettverk. 

Samfunn og etikk: Offentlige foredrag og paneldebatter om KIs rolle i samfunnsutviklingen, demokrati og etiske perspektiver. 

 

Prosjekt

 

Veiledning

PhD

  • Sathiesh Kaliyugarasan: Deep learning in image diagnostics: transfer learning and active learning for efficient use of data and radiological expertise. Funded by the Western Norway Regional Health Authority (2020–2023). He defended his thesis October 3rd, 2023
  • Samaneh Abolpour Mofrad (2018–2021): Learning and Cognition in Brain and Machine: Prediction of dementia from longitudinal data and modelling memory networks. She defended her thesis November 26, 2021.

Bi-veiledning

Pågående

Fullførte

MSc

  • Eilert Skram and Daniel Kristiansen Gunleiksrud (2023–2025). AI and education: Constructing and evaluating an LLM-based course assistant.
  • Øyvind Grutle and Jens Andreas Thuestad (2021–2023). Speech-to-text models to transcribe emergency calls (EMCC / 113)
  • Kjetil Dyrland (2020–2022). Evaluation and Improvement of Machine Learning Algorithms in Drug Discovery.
  • Jostein Digernes and Carsten Ditlev-Simonsen (2020–2022). A workflow-integrated brain tumor segmentation system based on fastai and MONAI.
  • Anders Benjamin Grinde and Bendik Johansen (2019–2021). Using Natural Language Processing with Deep Learning to Explore Clinical Notes.
  • Malik Aasen and Fredrik Fidjestøl Mathisen (2019–2021). De-identification of medical images using object-detection models, generative adversarial networks and perceptual loss.
  • Adrian Storm-Johannessen and Sondre Fossen-Romsaas (2018–2020). Medical image synthesis using generative adversarial networks.
  • Sivert Stavland (2018–2020). Machine learning and electronic health records.
  • Sindre Eik de Lange and Stian Heilund (2017–2019). Autonomous mobile robots: Giving a robot the ability to interpret human movement patterns, and output a relevant response.
  • Sathiesh Kumar Kaliyugarasan (2017–2019). Deep transfer learning in medical imaging. A study of how to best use transfer learning when training deep neural networks for biomedical image analysis.
  • Sean Meling Murray (2017–2018). An Exploratory Analysis of Multi-Class Uncertainty Approximation in Bayesian Convolutional Neural Networks.

BSc

  • Preben Andersen and Andrea M. Svendheim (2024). LLMs and fish health. In collaboration with Lerøy Seafood Group
  • Harald Giskegjerde Nilsen and Sindre Kjeldrud (2024). LLMs for health advice. In collaboration with the Faculty of Medicine, UiB.
  • Bendik Mathias Johansen and Kathinka Neteland (2019). Automating Reports on Water Consumption and Availability. A data science project together with Bouvet and Bergen Vann.
  • Jon Einar Haraldsvik, Stian Gudvangen Gjerløw, Didrik Fanuelsen Tranvåg (2015). Tryg Maintenance App – A cross-platform application using Appcelerator Studio Cloud Services and Arrow DB. The students developed a cross-platform mobile application for Tryg Forsikring. The project was awarded "best bachelor project" at the department in 2016. The students went on to start Appivate AS.

 

Postdocs, main mentor

Completed

  • Alexandra Vik: From cognitive aging to dementia – a longitudinal imaging-based machine learning approach. Funded by the Western Norway Regional Health Authority (2020–2022).
  • Piero Mana. Worked in the RESPOND3 drug discovery research project. Funded by the Norwegian Research Council (2020–2023).



Underviser i

Jeg har opprettet flere kurs i maskinlæring og kunstig intelligens for programvareutviklere ved HVL. Disse danner basisen for spesialiseringer på bachelor- og mastergradsnivå ved HVL. Jeg underviser også maskinlæring og kunstig intelligens for medisinere, helsearbeidere og lærere.

Kurs

  • DAT158: Machine learning engineering. Et praktisk, "hands-on", prosjektbasert utforsking av grunnleggende maskinlæring. Fokuserer på anvendelser av maskinlæring og hvordan prinsipper fra programvareutvikling benyttes for vellykket utvikling av maskinlærings-baserte system.
  • DAT255: Deep learning engineering. Masterkurs om praktiske anvendelser av dyplæring og konstruksjon av dyplæringsbaserte applikasjoner.
  • FD28: Kunstig intelligens i utdanning
  • ADA524: Large language models. A comprehensive introduction to LLMs within the scope of applied computer science and engineering. Foundational theory, practical tools, and methodologies that drive LLMs' current development and application. 
  • DAT801: Maskinlæring for forretningsutvikling
  • ELMED219: Kunstig intelligens og beregningsorientert medisin. Et samarbeid mellom Inst. for biomedisin, Det medisinske fakultet, UiB, og Inst. for datateknologi, elektroteknologi og realfag, HVL. Kurset tilbys både medisinerstudenter og ingeniør-studenter, og forsøker å fremme økt samarbeid mellom disiplinene.
  • HVL-DLN-AI: A hands-on course on artificial intelligence in computational biotechnology and medicine
  • PCS956: Recent trends in applied machine learning


Forsker på 

  • Maskinlæring
  • Kunstig intelligens
  • Dataanalyse
  • Medisinsk AI
  • Beregningsorientert medisin

Min forskning er knyttet til mine stillinger som professor ved Institutt for datateknologi, elektroteknologi og realfag ved HVL og "senior data scientist" ved Haukeland Universitetssjukehus. Forskningen bygger på min bakgrunn fra matematikk, mastergrad og Ph.d. i matematikk fra Universitetet i Bergen, og mitt arbeid i stilling som postdoktor ved Institutt for matematiske fag ved NTNU og som Marie Curie Fellow i gruppen Advanced Learning and Evolutionary Algorithms ved INRIA, Bordeaux (https://www.inria.fr).


Forskergrupper

Underviser i
  • DAT300, Masteroppgåve, Høst 2024
  • DAT300, Masteroppgåve, Vår 2025

Publikasjonar

Vis alle
Laster...