Førsteamanuensis

Alexander Selvikvåg Lundervold

Arbeids- og kompetanseområde

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

Mine kjerneinteresser ligger i skjæringspunktet mellom maskinlæring, kunstig intelligens, og dataingeniørvitenskap. Jeg fokuserer på hvordan man kan utvikle maskinlæringsdrevet programvare - også kjent som machine learning engineering. Spesielt er jeg engasjert i utvikling, evaluering, og implementering av KI-baserte løsninger innen medisin og helse (Medisinsk AI), og utdanning (EduAI).

Ved HVL deltar jeg i forskningsgruppen for Artificial Intelligence Engineering. Siden 2018 har jeg stått i spissen for aktivitetene innen Medisinsk AI ved senteret MMIV på Haukeland universitetssjukehus.


Utvalgte foredrag siste fem år

  1. Innlegg under workshop, Hvordan vite hva som er sant i desinformasjonens tidsalder?, 3. oktober, 2024
  2. Innledning i sesjonen "Bærekraftig helse: Møter vi dagens behov uten å forringe fremtidens ressurser?" og paneldebatt under DigitalHelse2024, 29.-30. mai, 2024
  3. Workshop i Executive MBA-programmet innen strategisk ledelse ved NHH, Gardermoen, 10. april, 2024
  4. Kunstig intelligens i helse, Veilederseminar for ergoterapeuter, 15. mars, 2024
  5. Kunstig intelligens i undervisning, Strategiseminar, Institutt for fagspråk og interkulturell kommunikasjon, NHH, Solstrand, 8. mars, 2024
  6. Medisinsk kunstig intelligens 2.0, Divisjonsmøte tjenesteutvikling, Helsedirektoratet, 1. mars, 2024
  7. Innlegg under Symposium for Senter for medisin med KI i Bergen, Eitri, 8. feburar, 2024
  8. Fremtiden er her: generativ kunstig intelligens fra forskning til praksis. Tekna, 31. januar, 2024
  9. Kunstig intelligens--ekte muligheter. NHH, 16. januar, 2024
  10. Medisinsk kunstig intelligens. FHS forskningskonferanse, 2023, Profesjoner i spill, 6. desember, 2023
  11. Enterprise Generative AI. AI for toppledere, Solstrand, 5. desember, 2023
  12. From research to reality: Practical use of Generative AI. Keynote under Norwegian ICT Conference for Research and Education 2023, 27.-30. november, 2023
  13. Kunstig intelligens – venn eller fiende? Foredrag for Radiologisk avdeling, Helse Bergen, 17. november, 2023
  14. What every software engineer should know about generative AI, Part 2. HVL, 16. november, 2023
  15. Foredrag og paneldebatt om KI i utdanning under Rådgiverseminar for vgs. og UH 2023 arrangert av Utdanning i Bergen, Solstrand, 14 november, 2023
  16. Kunstig intelligens og forskning. Avdeling for forskning, internasjonalisering og innovasjon, HVL, 9. november, 2023.
  17. AI og radiografer. Radiografiens dag, 8. november, 2023.
  18. Introduksjon til kunstig intelligens.Yrkesfaglærerløftet, HVL, 7. november, 2023.
  19. Foredrag under Realfagsdagen 2023, Bergen, 6. november, 2023.
  20. Foredrag for NITO. Diagnostikk i møte med kunstig intelligens. 25. oktober, 2023.
  21. Generativ kunstig intelligens: muligheter og utfordringer. Læringslab, 25. oktober, 2023
  22. Paneldebatt under Sampol-konferansen 2023: (U)begrenset Teknologi- Demokratiets Fremgang eller Undergang?. Tema: Governing AI: Ethics, regulations and technological innovation. Bergen, 18. oktober, 2023.
  23. What every software engineer should know about generative AI, Part 1. HVL, 4. oktober, 2023
  24. Innlegg under Stormøtet til Kompetanseforum Vestland. Tema: KI ved HVL. Bergen, 5. oktober 2023.
  25. Kunstig intelligens for HR. Avdeling for HR, HVL, 28. september, 2023.
  26. Innlegg under Innføring i universitetspedagogikk ved HVL. Kunstig intelligens i undervisning. Bergen, 21. september, 2023.
  27. Kunstig intelligens--mirakel eller monster? Forskningsdagene UNG 2023. Bergen, 20. september, 2023.
  28. Innlegg under Innføring i universitetspedagogikk ved HVL. Artificial intelligence in education. Bergen, 19. september, 2023.
  29. Intervju om kunstig intelligens i podcasten Eksponert fra Norsk Radiografforbund. 18. september, 2023.
  30. Deep Learning. What is it? How do we do it? How can it be applied in medical imaging?, PRESIMAL Research School 2023, Tromsø, Norway, September 13–15, 2023
  31. Kunstig intelligens i helsesektoren: utdanning, arbeidsliv, forskning. Alrek Helseklynge, 10. august, 2023
  32. Kunstig intelligens i utdanning. Foredrag og paneldebatt under FIN/FØS-konferansen 2023, Bergen, 19. juni 2023.
  33. Medisinsk kunstig intelligens: begreper, muligheter, utfordringer, utviklingstrekk, fremtiden. Foredrag for Sykehusinnkjøp HF. 15. juni 2023.
  34. Kunstig intelligens i radiologi. Avslutningsseminar i To-Be-studien, Scandic Ørnen, Bergen, Norway, June 9, 2023
  35. Sarkomdagen 2023. Nytt fra forskning – Kunstig intelligens i stråleterapi og kreftdiagnostikk. Organisert av pasientforeningen Sarkomer Vest, Bergen, 6. mai 2023.
  36. Pasientnær KI i Helse Bergen: Aktiviteter, muligheter og utfordringer, Fellesmøte for pasientnær kunstig intelligens i nord, May 2, 2023
  37. Klok digitalisering og kunstig intelligens. Innlegg under Lederfrokost ved HVL, 31. mars, 2023
  38. AI og radiografens rolle. Bildebehandling— for alle med interesse (Norsk Radiografforbund), Thon Hotel Opera, Oslo, 1.-3. februar, 2023
  39. NRK P1 Sogn og Fjordane. Kor intelligent er kunstig intelligens?, 21. desember 2022.
  40. Foredrag om AI i medisinsk bildebehandling og diagnostikk ved Intelligente Bergen — kraftsenter for kunstig intelligens. 4. november 2022. 
  41. Matematikk som et fagfelt, et språk og et verktøy. Foredrag under inspirasjonskveld for førsteårs ingeniørstudenter ved HVL, 20. november 2022.
  42. Foredrag om matematikk under Realfagsdagen 2022. 18. oktober 2022.
  43. Raskere MR med KI. Intervju i Hold Pusten 06 2020.
  44. AI could help with the next pandemic—but not with this one. Intervju i MIT Technology Review, 12. mars 2020.
  45. Tekprat: AI og maskinlæring. 19. september 2019.
  46. Utstilling om medisinsk AI ved Christiekonferansen 2019. 29. april 2019.
  47. Innlegg om kunstig intelligens i medisin under Springbrettet. 11. april 2019.
  48. Nå kan studenter lære om kunstig intelligens og medisin. Intervju i forskning.no, 15. februar 2019.
  49. Utstilling under EHiN 2018 i Oslo Spektrum. 14. november 2018.
  50. Foredrag om matematikk under Realfagsdagen. 31. oktober 2018.
  51. Eureka paneldebatt: Kunstig intelligens i helsevesenet. Mars 2018.
  52. Workshop om kunstig intelligens for elever ved Nordahl Grieg Videregående Skole under konferansen Framtid 2018: Kampen om virkeligheten: Fake, fakta eller fiksjon? 15. februar 2018.
  53. Innlegg om matematikk under Realfagsdagen. 26. oktober 2017
  54. Maskinlæring og kunstig intelligens, og hva matematikk har med slikt å gjøre. Foredrag under Forskningsdagene UNG 2017, 28. september 2017.
  55. Artikkel/kronikk om dyplæring i medisin i tidskriftet Helse, Medisin, Teknologi. 2017/4. 
  56. Nytt norsk senter lærer datamaskiner å stille diagnose på sekunder. Intervju i Teknisk Ukeblad, 15. desember 2017

 

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

  • Muhammad Ammar Malik, Unsupervised and scale-free discovery of genetic factors influencing brain structure and function, together with Tom Michoel (main supervisor) and Inge Jonassen, Department of Informatics, UiB.
     

MSc

  • 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

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

Min forskning er knyttet til mine stillinger som førsteamanuensis 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).

Forskargrupper

Publikasjonar

  • Does the evaluation stand up to evaluation? A first-principle approach to the evaluation of classifiers

    Dyrland, Kjetil, Lundervold, Alexander Selvikvåg, Porta Mana, PierGianLuca (2023)
  • Don't guess what's true: choose what's optimal. A probability transducer for machine-learning classifiers

    Dyrland, Kjetil, Lundervold, Alexander Selvikvåg, Porta Mana, PierGianLuca (2023)
  • fastMONAI: A low-code deep learning library for medical image analysis

    Kaliyugarasan, Sathiesh Kumar, Lundervold, Alexander Selvikvåg (2023)
  • Personalized prognosis & treatment using optimal predictor machines: An example study on conversion from Mild Cognitive Impairment to Alzheimer's Disease

    Porta Mana, PierGianLuca, Rye, Ingrid Karlsen, Vik, Alexandra, Kocinski, Marek Michal, Lundervold, Arvid, Lundervold, Astri J., Lundervold, Alexander Selvikvåg (2023)
  • Functional activity level reported by an informant is an early predictor of Alzheimer’s disease

    Vik, Alexandra, Kocinski, Marek Michal, Rye, Ingrid Karlsen, Lundervold, Astri J., Lundervold, Alexander Selvikvåg (2023)
  • Brain Tumor Segmentation from Multiparametric MRI Using a Multi-encoder U-Net Architecture

    Alam, Saruar, Halandur, Bharath, Porta Mana, PierGianLuca, Goplen, Dorota, Lundervold, Arvid, Lundervold, Alexander Selvikvåg (2022)
  • Fully Automatic Whole-Volume Tumor Segmentation in Cervical Cancer

    Hodneland, Erlend, Kaliyugarasan, Sathiesh Kumar, Wagner-Larsen, Kari Strøno, Lura, Njål Gjærde, Andersen, Erling, Bartsch, Hauke, Smit, Noeska Natasja, Halle, Mari Kyllesø, Krakstad, Camilla, Lundervold, Alexander Selvikvåg, Haldorsen, Ingfrid S. (2022)
  • Predicting conversion to Alzheimer’s disease in individuals with Mild Cognitive Impairment using clinically transferable features

    Rye, Ingrid, Vik, Alexandra, Kocinski, Marek Michal, Lundervold, Alexander Selvikvåg, Lundervold, Astri J. (2022)
  • A predictive framework based on brain volume trajectories enabling early detection of Alzheimer's disease

    Abolpour Mofrad, Samaneh, Lundervold, Arvid, Lundervold, Alexander Selvikvåg (2021)
  • Cognitive and MRI trajectories for prediction of Alzheimer’s disease

    Abolpour Mofrad, Samaneh, Lundervold, Astri Johansen, Vik, Alexandra, Lundervold, Alexander Selvikvåg (2021)
  • Automated segmentation of endometrial cancer on MR images using deep learning

    Hodneland, Erlend, Dybvik, Julie Andrea, Wagner-Larsen, Kari Strøno, Solteszova, Veronika, Zanna, Antonella, Fasmer, Kristine Eldevik, Krakstad, Camilla, Lundervold, Arvid, Lundervold, Alexander Selvikvåg, Salvesen, Øyvind, Erickson, Bradley J., Haldorsen, Ingfrid S (2021)
  • Pulmonary nodule classification in lung cancer from 3d thoracic ct scans using fastai and monai

    Kaliyugarasan, Sathiesh Kumar, Lundervold, Arvid, Lundervold, Alexander Selvikvåg (2021)
  • Synthesizing skin lesion images using CycleGANs – a case study

    Fossen-Romsaas, Sondre, Storm-Johannessen, Adrian, Lundervold, Alexander Selvikvåg (2020)
  • 2D and 3D U-Nets for skull stripping in a large and heterogeneous set of head MRI using fastai

    Kaliyugarasan, Satheshkumar, Kocinski, Marek, Lundervold, Arvid, Lundervold, Alexander Selvikvåg (2020)
  • AI could help with the next pandemic—but not with this one

    Lundervold, Alexander Selvikvåg, Heaven, Will Douglas (2020)
  • Association between free-living sleep and memory and attention in healthy adolescents

    Stefansdóttir, Runa, Gundersen, Hilde, Rögnvaldsdóttir, Vaka, Lundervold, Alexander Selvikvåg, Gestdóttir, Sunna, Gudmundsdóttir, Sigridur Lara, Chen, Kong Y., Brychta, Robert J., Johannsson, Erlingur (2020)
  • Association Between Free-living Sleep and Memory and Attention in Healthy Adolescents

    Stefansdottir, Runa, Gundersen, Hilde, Rognvaldsdottir, Vaka, Lundervold, Alexander Selvikvåg, Gestsdottir, Sunna, Gudmundsdottir, Sigridur Lara, Chen, Kong Y, Brychta, Robert J, Johannsson, Erlingur (2020)
  • An overview of deep learning in medical imaging focusing on MRI

    Lundervold, Alexander Selvikvåg, Lundervold, Arvid (2018)
  • Fast estimation of kidney volumes and time courses in DCE-MRI using convolutional neural networks

    Lundervold, Alexander Selvikvåg, Sprawka, Katarzyna, Lundervold, Arvid (2018)
  • Research Agenda of the Mohn Medical Imaging and Visualization Centre in Bergen, Norway

    Smit, Noeska Natasja, Bruckner, Stefan, Hauser, Helwig, Haldorsen, Ingfrid S., Lundervold, Arvid, Lundervold, Alexander Selvikvåg, Hodneland, Erlend, Oltedal, Leif, Specht, Karsten, Grüner, Renate (2018)
  • «Deep learning» i medisin

    (2017)
  • Fast semi-supervised segmentation of the kidneys in DCE-MRI using convolutional neural networks and transfer learning

    Lundervold, Alexander Selvikvåg, Rørvik, Jarle, Lundervold, Arvid (2017)
  • Maskinlæring i medisin. Nytt norsk senter lærer datamaskiner å stille diagnose på sekunder

    Lundervold, Alexander Selvikvåg, Valle, Marius (2017)
  • Predicting irritable bowel syndrome (IBS) from brain MR imaging data using machine learning

    Lundervold, Arvid, Valestrand, Eivind Alexander, Lundervold, Alexander Selvikvåg, Hausken, Trygve (2017)
  • Python-based software for medical imaging and machine learning - an example from brain imaging in IBS

    Le Cornec, Kergann, Verdier, Olivier, Lundervold, Alexander Selvikvåg, Barra, Vincent, Lundervold, Arvid (2016)
  • Imaging-based modeling of the human larynx for simulation of airflow during exercise

    (2016)
  • Imaging-based modeling of the human larynx for simulation of airflow during exercise

    Lundervold, Alexander Selvikvåg, Røksund, Ola Drange (2016)
  • Healthy body, healthy mind: Multi-paramatric evaluation of muscle function, performance and cognitive function – can images and biomarkers tell us what we need to know?

    Rygh, Cecilie Brekke, Gundersen, Hilde, Lundervold, Alexander Selvikvåg (2016)
  • Post-lie algebras and isospectral flows

    Ebrahimi-Fard, Kurusch, Lundervold, Alexander, Mencattini, Igor, Munthe-Kaas, Hans (2015)
  • On the Lie enveloping algebra of a post-Lie algebra

    Ebrahimi-Fard, Kurusch, Lundervold, Alexander, Munthe-Kaas, Hans (2015)
  • On algebraic structures of numerical integration on vector spaces and manifolds

    Lundervold, Alexander, Munthe-Kaas, Hans (2015)
  • Noncommutative Bell polynomials, quasideterminants and incidence Hopf algebras

    Ebrahimi-Fard, Kurusch, Lundervold, Alexander, Manchon, Dominique (2014)
  • Backward Error Analysis and the Substitution Law for Lie Group Integrators

    Lundervold, Alexander, Munthe-Kaas, Hans (2013)
  • On post-lie algebras, lie-butcher series and moving frames

    Munthe-Kaas, Hans, Lundervold, Alexander (2013)
  • Algebraic structure of stochastic expansions and efficient simulation

    Ebrahimi-Fard, Kurusch, Lundervold, Alexander, Malham, Simon J. A., Munthe-Kaas, Hans, Wiese, Anke (2012)
  • Lie-Butcher series and geometric numerical integration on manifolds

    (2011)
  • Hopf algebras of formal diffeomorphisms and numerical integration on manifolds

    Munthe-Kaas, Hans, Lundervold, Alexander (2011)
  • Higher Order Cyclic Homology for Rational Algebras

    (2007)
  • Application of nonlinear time series analysis to single-trial ERPs

    Lundervold, Arvid, Lundervold, Alexander, Nordby, Helge, Lundervold, Astri Johansen, Reinvang, Ivar (2003)