Automatic Detection of Parasites in Stool Smear Images Using Trustworthy Machine Learning
- Promovendus/a
- Mohammed, Mohammed Aliy
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektronica en Informatiesystemen
- Curriculum
- Master of Science in Biomedical Engineering, Addis Ababa University (Ethiopië), 2017
- Academische graad
- Doctor in de ingenieurswetenschappen: computerwetenschappen
- Taal proefschrift
- Engels
- Vertaling titel
- Automatische detectie van parasieten in fecesuitstrijkjes met behulp van betrouwbaar machinaal leren
- Promotor(en)
- prof. Sofie Van Hoecke, vakgroep Elektronica en Informatiesystemen - prof. Wesley De Neve, vakgroep Elektronica en Informatiesystemen & Department of Environmental Technology, Food Technology and Molecular Biotechnology - prof. Janarthanan Krishnamoorthy, Jimma University (Ethiopië)
- Examencommissie
- voorzitter prof. Hennie De Schepper (onderwijsdirecteur) - prof. Dirk Deschrijver, vakgroep Informatietechnologie - prof. Hiep Luong, vakgroep Telecommunicatie en Informatieverwerking - prof. Jaap van Hellemond, Erasmus MC (Nederland) - prof. Patrick Vandewalle, KU Leuven - promotor prof. Sofie Van Hoecke, vakgroep Elektronica en Informatiesystemen - promotor prof. Wesley De Neve, vakgroep Elektronica en Informatiesystemen & Department of Environmental Technology, Food Technology and Molecular Biotechnology - promotor prof. Janarthanan Krishnamoorthy, Jimma University (Ethiopië)
Korte beschrijving
Verwaarloosde tropische ziektes treffen wereldwijd meer dan een miljard mensen en blijven een grote last voor de volksgezondheid in regio's met beperkte middelen. Tot de meest voorkomende ziektes behoren bodemgebonden helminthen en intestinale schistosomiasis, die worden gediagnosticeerd door parasieteneieren handmatig te tellen op stoelganguitstrijkjes onder de microscoop. Dit is een traag en expertise-afhankelijk proces dat moeilijk op te schalen is voor de nationale ontwormingsprogramma's waarop de Wereldgezondheidsorganisatie steunt. Dit proefschrift ontwikkelt de artificiële-intelligentiemodellen die nodig zijn om geautomatiseerde eidetectie betrouwbaar genoeg te maken voor gebruik in de praktijk. Waar het digitale-pathologieplatform door een collega werd ontworpen, richtte mijn werk zich op het ontwerpen van betrouwbare detectiemodellen en de grondige evaluatie ervan. Ik ontwierp enerzijds augmentatietechnieken die de nauwkeurigheid hoog houden wanneer beeldvormingsapparaten veranderen, en breidde anderzijds moderne statistische methoden uit, namelijk conforme predictie en risicobeheersing, om formele, controleerbare betrouwbaarheidsgaranties aan elke voorspelling te koppelen. Deze vernieuwingen komen samen in Parasight, een lichtgewicht, volledig open-source detector met permissieve licentie die op goedkope, draagbare hardware draait. Door AI-diagnostiek nauwkeurig, robuust, formeel betrouwbaar en inzetbaar in het veld te maken, versterkt dit onderzoek de ziektebewaking en ondersteunt het de WHO-doelstelling 2021 tot 2030 om deze ziekten als volksgezondheidsprobleem te elimineren.
Praktisch
- Datum
- Maandag 14 september 2026, 10:00
- Locatie
- auditorium A - Magnel, gebouw 60 Magnel (eerste verdieping), Technologiepark Zwijnaarde 60, 9052 Zwijnaarde
- Livestream
- Volg online
Meer info
- Contact
- doctoraat.ea@ugent.be