Forskning

Jeg forsker i anvendelsen af deep learning til klassificering af neuromuskulære sygdomme baseret på EMG-data. Gennem udvikling af avancerede algoritmer er det mit mål at forbedre den diagnostiske præcision og effektivitet i klinisk praksis. Min forskning har også fokuseret på anvendelse af hjerterytmevariabilitet til anfaldsdetektion hos epilepsipatienter, hvilket har bidraget til udviklingen af en bærbar real-time anfaldsdetektions enhed med tilknyttet smartphone-app, der alarmere ved anfald.

Profil

Som lektor forsker jeg i hovedsageligt i anvendelsen af deep learning til klassificering af neurofysiologiske sygdomme baseret på EMG, samt algoritmer til anfaldsdetektion ved epilepsi og wearable teknologier til overvågning af neurologiske tilstande. Jeg har en ph.d. i sundhedsvidenskab. Mine publikationer inkluderer hovedsageligt forskning i anfaldsdetektion vha hjerterytmevariabilitet, samt udvikling af automatiserede algoritmer i klinisk neurofysiologi.

Rådgivning

Baseret på min forskning i biomedicinsk teknik og neurofysiologi rådgiver jeg forskningskollegaer om implementering af anfaldsdetektion vha hjerterytmeforandringer samt signalbehandling og algoritmer i klinisk praksis. Jeg deltager desuden i internationale samarbejder, der har publiceret guidelines omkring standardisering og anbefalinger af bærbar anfaldsdetektion for epilepsipatienter. Min tidligere erfaring inkluderer rådgivning om anvendelse af wearable teknologier til epilepsiovervågning.

Samarbejder og Formidling

Jeg samarbejder med nationale og internationale forskningsinstitutioner samt hospitaler om projekter relateret til anvendelse af deep learning i neurofysiologisk diagnostik. Målet er at udvikle innovative løsninger, der kan integreres i klinisk praksis for at forbedre patientbehandlingen. Tidligere samarbejder har inkluderet udvikling af wearable teknologier til epilepsiovervågning i partnerskab med teknologivirksomheder og kliniske afdelinger.

Undervisning

Jeg er projektvejleder for kandidat-studerende i biomedicinsk teknik på Aarhus Universitet, hvor de studenrendes speciale projekter udgår fra de kliniske forskningsprojekter jeg arbejder med. Ved hjælp af projekt-baseret undervisning og konkrete forskningsmæssige problemstillinger er det mit mål, at de studerende opnår en dyb forståelse for både teoretiske og praktiske aspekter af neurofysiologisk diagnostik.

Arbejdsområder

Mit nuværende primære ansvarsområde er forskning i neurofysiologisk diagnostik, herunder udvikling af deep learning-algoritmer til EMG-baseret klassificering af neuromuskulære sygdomme. Jeg arbejder også med udvikling af wearable teknologier til epilepsiovervågning og har erfaring med signalbehandling og machinelearning i klinisk neurofysiologi.