King's College London
Giới thiệu
Chúng tôi cam kết cải thiện phương pháp chăm sóc y tế thông qua việc ứng dụng các kỹ thuật tiên tiến.
Nhóm của chúng tôi đa dạng gồm các thành viên tài năng làm việc trong các lĩnh vực Công nghệ y tế (MedTech), chúng tôi thúc đẩy tiến trình nghiên cứu, đổi mới và giảng dạy với sứ mệnh chung là mang lại sức khỏe tốt hơn cho bệnh nhân trên toàn thế giới.
Các phòng thí nghiệm hiện đại và cơ sở nghiên cứu lâm sàng của chúng tôi được đặt tại Bệnh viện St Thomas, nơi chúng tôi có thể đảm bảo các dự án nghiên cứu của chúng tôi hoàn toàn tuân thủ các nguyên tắc thực hành lâm sàng hiện hành. Chúng tôi hợp tác lâu dài với các công ty công nghệ y tế toàn cầu và thiết lập quan hệ đối tác mới với các công ty khởi nghiệp sáng tạo nhằm đảm bảo nhiều hướng chuyển giao công nghệ.
Các nghiên cứu của chúng tôi được tổ chức thành các dự án nghiên cứu dài hạn, quy mô lớn và đầy tham vọng, được hỗ trợ bởi sáu phòng ban khác nhau. Tổ chức đa dạng này giúp chúng tôi kết hợp chuyên môn và áp dụng các phương pháp chăm sóc sức khỏe mới nhất để mang lại kết quả đột phá.
Chúng tôi chuyển phương pháp tích hợp này cho các thế hệ chuyên gia chăm sóc sức khỏe trong tương lai, những người hiện đang theo học với các giảng viên của chúng tôi. Các khóa học diễn ra tại trung tâm NHS trust, một trung tâm nghiên cứu tiên tiến bậc nhất Vương quốc Anh, được kết hợp lý thuyết với đào tạo thực tế và ứng dụng thực tiễn, tạo ra giá trị bền vững cho các học viên.
Trường Kỹ thuật Y sinh & Khoa học hình ảnh
Giới thiệu
Tiến sĩ Marc Modat
Marc Modat là giảng viên cao cấp tại trường Kỹ thuật Y sinh và Khoa học hình ảnh tại Kings College London. Ông là một chuyên gia trong lĩnh vực đăng ký hình ảnh y khoa (medical image registration), quá trình biến đổi các bộ dữ liệu khác nhau thành một hệ tọa độ, và ông là nhà phát triển chính của NiftyReg, một phần mềm nguồn mở để đăng ký hình ảnh hiệu quả. Trong những năm qua, Marc đã phát triển nhiều kỹ thuật để đăng ký hình ảnh bao gồm đăng ký gần với thời gian thực (near real time registration), mô hình hạn chế về mặt cơ sinh học (biomechanically constrained model) hoặc các đa hình đối xứng và có thể đảo ngược (symmetric and invertible diffeomorphisms). Ông cũng đã phát triển thuật toán cho các ứng dụng hướng dẫn phẫu thuật, cho các can thiệp trên não và cơ xương khớp. Phần mềm NiftyReg hiện đang được sử dụng trong các nghiên cứu lâm sàng quy mô lớn cũng như trong các thử nghiệm lâm sàng.
Đam mê nghiên cứu của ông bao gồm phát triển các dấu ấn sinh học hình ảnh mới, đặc biệt là để theo dõi chức năng não của người cao tuổi, sử dụng hình ảnh cộng hưởng từ (magnetic resonance imaging – MRI) hoặc chụp cắt lớp bằng bức xạ positron (positron emission tomography – PET). Ông cũng tham gia vào việc phát triển các công cụ thuật toán để lập kế hoạch phẫu thuật và hướng dẫn phẫu thuật, sử dụng phương pháp tiếp cận dựa trên máy học và mô hình hóa.
Marc cũng tham gia vào việc thiết lập và triển khai các nền tảng phân tích dữ liệu, bao gồm truyền dữ liệu bảo mật, lưu trữ và xử lý tự động. Các nền tảng này hiện nay đang được sử dụng cho các nghiên cứu lâm sàng quốc tế quy mô lớn.
Giới thiệu
Tiến sĩ Alberto Gomez
Alberto Gomez là nghiên cứu viên của Trường Khoa học Kỹ thuật Y sinh & Khoa học hình ảnh tại Kings College London, Vương quốc Anh. Ông đã nhận bằng Cử nhân Kỹ thuật Viễn thông của Đại học Kỹ thuật Madrid, Tây Ban Nha và bằng Thạc sĩ nghiên cứu về xử lý hình ảnh và tín hiệu từ IMT- Atlantique, Brest, Pháp trong năm 2009. Ông đã nhận bằng Tiến sĩ tại Kings College London vào năm 2013. Đam mê nghiên cứu của ông tập trung vào hình ảnh siêu âm thông minh, bao gồm việc thu thập, phân tích và trực quan hóa các dữ liệu siêu âm tim và phôi thai.
Giới thiệu
Tiến sĩ Hamideh Kerdegari
Tiến sĩ Hamideh Kerdegari là nghiên cứu viên tại King’s College London, làm việc trong dự án VITAL, do Wellcome Trust tài trợ. Trong dự án VITAL, cô đang nghiên cứu các kỹ thuật học sâu để hướng dẫn siêu âm và phân tích các dữ liệu siêu âm phổi, cơ và tim của các bệnh nhân nặng nhập Khoa hồi sức tích cực (ICU). Trước đây, cô làm nghiên cứu tại nhóm thị giác robot (RoViT) tại Đại học Kingston. Cô đã nhận bằng Tiến sĩ chuyên ngành khoa học máy tính tại Đại học Sheffield. Sở thích nghiên cứu của cô bao gồm thị giác máy tính, học sâu và các ứng dụng của chúng trong phân tích hình ảnh y khoa.
Giới thiệu
Tiến sĩ Miguel Xochicale
Xin chào, tôi là Miguel. Sở thích nghiên cứu của tôi là tạo ra các kỹ thuật xử lý tín hiệu và hình ảnh trong lĩnh vực tương tác người – robot, thiết bị y tế đeo được, can thiệp hướng dẫn siêu âm, robot y tế và kỹ thuật phần mềm nghiên cứu.
Tôi hiện là nghiên cứu viên tại King’s College London, thuộc Trường Kỹ thuật Y sinh và Khoa học Hình ảnh và làm việc trong dự án Ứng dụng công nghệ trong chăm sóc hồi sức tích cực ở Việt Nam (VITAL), tôi đang hợp tác với Tiến sĩ Alberto Gomez, nghiên cứu về tính năng nhận dạng sinh trắc học tự động từ dữ liệu siêu âm tim bằng cách sử dụng các kỹ thuật học sâu. Trước đó, từ tháng 4 năm 2019 đến tháng 8 năm 2021, tôi là nhà nghiên cứu sau tiến sĩ, tôi đã thúc đẩy các quy trình hướng dẫn siêu âm hiện đại trong dự án Công cụ hướng dẫn cho liệu pháp và phẫu thuật thai nhi (GIFT-Surg). Trong dự án này, tôi đã phát triển các thuật toán mới, phần mềm, phần cứng và hệ thống quản lý chất lượng thiết bị y tế, hợp tác chặt chẽ với Giáo sư Máy tính Hình ảnh Can thiệp Tom Vercauteren và Tiến sĩ Wenfeng Xia. Vào tháng 7 năm 2019, tôi đã được cấp bằng Tiến sĩ về Kỹ sư máy tính tại Đại học Birmingham, nơi tôi đã nghiên cứu Phân tích phi tuyến tính để định lượng sự thay đổi chuyển động trong tương tác giữa người với robot hình người dưới sự hướng dẫn của Giáo sư điện toán phổ biến Chris Baber và Giáo sư kỹ thuật thông tin Martin Russell.
Tôi có 20 năm kinh nghiệm trong lĩnh vực tương tác người – robot, điện tử, cơ điện tử, xử lý tín hiệu và trí tuệ nhân tạo (AI) trong chăm sóc sức khỏe, cùng với 12 năm kinh nghiệm làm trợ giảng trong ngành Cơ điện tử và Kỹ thuật máy tính và 5 năm kinh nghiệm trong các hoạt động kết nối cộng đồng. Tôi có niềm đam mê với Khoa học mở, nghĩa là tôi công khai mã nguồn tất cả các đóng góp về kiến thức trong GitHub @mxochicale của mình. Tôi cũng tweet và retweet về AI, Robot học, AI và chăm sóc sức khỏe @_mxochicale, thỉnh thoảng tôi viết trên blog của mình và trong thời gian rảnh, tôi cố gắng cải thiện kỹ năng tung hứng của mình và tận hưởng thời gian bên gia đình và bạn bè.
Website: mxochicale.github.io
Twitter: @_mxochicale
Giới thiệu
Tiến sĩ Liane Canas
Liane Canas là Nghiên cứu viên sau Tiến sĩ tại Khoa Kỹ thuật Y sinh của Trường Kỹ thuật Y sinh & Khoa học Hình ảnh. Cô đã nhận bằng Thạc sĩ từ Đại học Lisbon năm 2015 và bằng Tiến sĩ tại University College London năm 2020. Trong dự án VITAL, mục tiêu chính của Liane là phát triển mô hình can thiệp và tiến triển bệnh để nghiên cứu sự tiến triển của bệnh Lao màng não ( TBM) trong não, và tác động của một số đồng biến, như nhân khẩu học, phương pháp điều trị và các yếu tố môi trường lên kết cục của bệnh nhân. Cô cũng hợp tác trong nghiên cứu COVID-19 ở Vương quốc Anh, để phát triển một mô hình phát hiện các dấu hiệu nhiễm trùng sớm từ các triệu chứng tự báo cáo sử dụng dữ liệu từ một nghiên cứu cộng đồng.
Mối quan tâm nghiên cứu của Liane bao gồm phát triển các mô hình tiến triển của bệnh, bao gồm cả các mô hình Bayes, diễn giải và sử dụng mô hình trong các nghiên cứu hình ảnh thần kinh.
Giới thiệu
Tiến sĩ Andrew King
Tiến sĩ Andrew King là Giáo sư chuyên ngành Phân tích Hình ảnh Y khoa tại khoa Kỹ thuật Y sinh, trường King’s College London (KCL). Tiến sĩ King nhận bằng Tiến sĩ ngành Khoa học Máy tính tại Đại học Warwick vào năm 1997 dưới sự hướng dẫn của Giáo sư Roland Wilson. Từ năm 2001-2005, ông là Phó Giáo sư tại Khoa Khoa học Máy tính tại Đại học Mekelle, miền Bắc Ethiopia. Từ năm 2006, ông làm việc tại khoa Kỹ thuật Y sinh, trường King’s College London, tập trung vào phân tích hình ảnh và các phương pháp học máy trong phân tích hình ảnh y khoa, đặc biệt chú trọng đến những thách thức và cơ hội của chuyển động lặp lại.
