Dr. Alexia Briassouli is sinds september 2023 universitair docent kunstmatige intelligentie, computer vision voor e-health en multimodale AI aan de Universiteit Twente. Haar onderzoek richt zich op vraagstukken met betrekking tot generaliseerbaarheid en robuustheid van AI, maar ook op de ontwikkeling en integratie van AI-oplossingen in toepassingen gerelateerd aan e-health, zoals sport. AI voor medische beelden betekent dat MRI's, CT-scans, röntgenfoto's, PET-scans en meer automatisch worden geanalyseerd om bijvoorbeeld een tumor of een gebroken bot te vinden. Ze kunnen ook worden geanalyseerd om de progressie van een ziekte te voorspellen, in veel gevallen door multimodale data te integreren.
Alexia behaalde haar doctoraat in 2006 aan de afdeling Elektrotechniek en Computerwetenschappen van de Universiteit van Illinois in Urbana Champaign. Ze heeft ook een masterdiploma van het interdisciplinaire programma voor Systemen voor Signaalverwerking en Communicatie, Theorie en Toepassing aan de Universiteit Twente. van Patras (2000), terwijl ze in 1999 haar diploma behaalde in elektrotechniek en computertechniek aan de Nationale Technische Universiteit van Athene. Ze doceerde aan de Universiteit Maastricht, de Universiteit van Patras en de Universiteit Twente. Van 2007 tot 2017 werkte ze ook bij het Information Technologies Institute van het Centre for Research and Technology, Hellas (CERTH-ITI) in Thessaloniki, Griekenland, waar ze Europese en nationale financieringsaanvragen en -projecten coördineerde en eraan deelnam, en promovendi en onderzoek voor EU-projecten begeleidde. Alexia is sinds 2007 ook reviewer van Europese voorstellen, evenals van NWO Vini- en ENW-aanvragen.
Organisaties
Alexia's onderzoek richt zich op kunstmatige intelligentie (AI), met een focus op computer vision en multimodale data-analyse voor e-health. In medische en algemene gezondheidsgerelateerde toepassingen zijn de juiste detectie/voorspelling en een laag percentage valse alarmen van cruciaal belang en kunnen levensreddend zijn. Bovendien is vertrouwen in dergelijke systemen belangrijk voor een betrouwbare implementatie in de praktijk.
Haar huidige onderzoeksinteresses richten zich op belangrijke kwesties zoals generaliseerbaarheid, robuustheid van AI voor medische beelden en multimodale gezondheidsgegevens in het algemeen. State-of-the-art methoden ondervinden vaak problemen bij het analyseren van data met een distributieverschuiving ten opzichte van de data waarmee ze zijn getraind: haar werk onderzoekt hoe deze problemen kunnen worden opgelost. Uitlegbaarheid is ook essentieel voor het ontwikkelen van betrouwbare methoden en het traceren van fouten wanneer deze zich voordoen.
2001 – 2005
PhD Elektrotechniek en Computerwetenschappen Universiteit van Illinois te Urbana-Champaign (VS) Afdeling Elektrotechniek en Computerwetenschappen Proefschrift: Fusie van frequentie- en ruimtelijke domeininformatie voor bewegingsanalyse Scriptiebegeleider: Prof. Narendra Ahuja
1999 – 2001
M.Sc. Signaal- en beeldverwerkingssystemen Universiteit van Patras (Griekenland) Interdepartementaal programma "Signaal- en beeldverwerkingssystemen: Theorie, implementaties, toepassingen (SIPS)" M.Sc. Proefschrift: Verborgen berichten in Heavy-Tails: DCT-domein watermerkdetectie met behulp van alfastabiele modellen Scriptiebegeleider: Prof. Panagiotis Tsakalides
1994 – 1999
Diploma Elektrotechniek en Computertechniek Nationale Technische Universiteit van Athene (Griekenland) Afdeling Elektrotechniek en Computertechniek Scriptie: Verbetering van de 3D-reconstructie van beelden uit 2D-sequenties van videoframes in de aanwezigheid van additieve ruis Scriptiebegeleider: Prof. S. Kollias.
Vakken collegejaar 2025/2026
Vakken in het huidig collegejaar worden toegevoegd op het moment dat zij definitief zijn in het Osiris systeem. Daarom kan het zijn dat de lijst nog niet compleet is voor het gehele collegejaar.
- 192199508 - Research Topics CS
- 192199968 - Internship CS
- 201300086 - Research Topics 2 CS
- 201300294 - Masteronderzoek EB Informatica
- 201400171 - Capita Selecta ST
- 201600078 - BCI
- 201800524 - Research Topics EIT
- 202101010 - Professional Development M8
- 202200251 - Capita Selecta DST
- 202300276 - Artificial Intelligence
- 202400012 - Processing & Analysis of Sports Data
- 202400014 - Project Sports Science & Technology
- 202400648 - HbD: Dangerous Design
Vakken collegejaar 2024/2025
- 192199508 - Research Topics CS
- 192199968 - Internship CS
- 201300086 - Research Topics 2 CS
- 201300294 - Masteronderzoek EB Informatica
- 201400171 - Capita Selecta ST
- 201600078 - BCI
- 201600085 - AP in BCI
- 201800524 - Research Topics EIT
- 202101004 - Hybrid Worlds Project
- 202101005 - Internet Technology
- 202101006 - Data Visualisation
- 202101007 - Data-driven Applications
- 202101009 - IM: Animated Storytelling
- 202101010 - Professional Development M8
- 202200251 - Capita Selecta DST
- 202300276 - Artificial Intelligence
- 202400648 - HbD: Dangerous Design
- 202400678 - ST: Sensor Technology in Sports
MindSpaces: Kunstgedreven adaptief binnen- en buitenontwerp
H2020 EU-project
https://mindspaces.eu/
De centrale doelstelling van MindSpaces is het creëren van tools en het ontwikkelen van oplossingen voor adaptieve en inclusieve ruimtes die zich dynamisch aanpassen aan de emotionele, esthetische en maatschappelijke reacties van eindgebruikers, en zo functioneel en emotioneel aantrekkelijk architectonisch ontwerp creëren. Kunstenaars en technologie-experts werken nauw samen om innovatieve ontwerpen voor te stellen die inspelen op de maatschappelijke uitdagingen waarmee steden worden geconfronteerd naarmate ze groeien, en op de veranderende behoeften op het gebied van functionaliteit en emotionele resonantie van moderne werkplekken en woninginterieurs. State-of-the-art (SoA) multisensortechnologie, zoals draagbare EEG, fysiologische sensortechnologie, visuele analyse en sociale media-input, zal worden geïntegreerd om de aangeboren reacties van gebruikers op de MindSpaces-installaties direct te beoordelen en de ontwerpen dienovereenkomstig artistiek aan te passen.
Dem@Care: Multi-Sensing Monitoring voor Intelligent Management en Beslissingsondersteuning op Afstand bij Dementie Ambient Care
FP7 EU-project
https://demcare.eu/
Dem@Care streeft ernaar bij te dragen aan de tijdige diagnose, beoordeling, het behoud en de bevordering van de zelfstandigheid van mensen met dementie door het begrip te verdiepen van hoe de ziekte hun dagelijks leven en gedrag beïnvloedt. Het implementeert een multi-parametrische closed-loop oplossing voor management op afstand die adaptieve feedback biedt aan de persoon met dementie en tegelijkertijd clinici betrekt bij de follow-up op afstand, waardoor ze een volledig beeld krijgen van de gezondheidstoestand en -ontwikkeling van de getroffen persoon.
Het systeem omvat: een lus voor mensen met dementie en hun mantelzorgers om hun cognitieve en gedragsstatus te monitoren en te beoordelen door een veelvoud aan draagbare en in-situ sensoren te integreren, tijdsafhankelijke contextgevoelige profilering mogelijk te maken ter ondersteuning van reactieve en proactieve zorg, en gepersonaliseerde en adaptieve feedback te bieden. een lus voor dementie-clinici om objectieve observaties te doen over de gezondheidsontwikkeling van de persoon met dementie en de effectiviteit van medicatie, te waarschuwen voor trends die nauw verband houden met dementie (bijv. apathie) en ondersteuning te bieden bij het nemen van beslissingen over preventieve zorg en het aanpassen van behandelingsaanbevelingen.
Adres

Universiteit Twente
Zilverling (gebouwnr. 11), kamer 4049
Hallenweg 19
7522 NH Enschede
Universiteit Twente
Zilverling 4049
Postbus 217
7500 AE Enschede