Tjenester som jeg tilbyr
- 5 000 norske kroner
- 2 000 norske kroner
Erlend Hodneland – KI-konsulent og ekspert på maskinlæring og bildeanalyse
Erlend Hodneland er en erfaren forsker og konsulent innen kunstig intelligens (KI), maskinlæring og bildeanalyse, med en solid bakgrunn i anvendt matematikk, numerisk modellering og medisinsk bildebehandling. Han har over 20 års erfaring med forskning og utvikling, inkludert arbeid ved Helse Bergen, NORCE, Christian Michelsen Research og Universitetet i Bergen.
Erlend har utviklet avanserte KI-algoritmer for blant annet bildeprosessering, segmentering, flytsimulering og prediktiv analyse. Han har publisert et betydelig antall vitenskapelige artikler og bidratt til innovasjon innen både helse, medisin og teknologi.
Spesialområder og ekspertise
-
Maskinlæring og dyp læring – Utvikling og optimalisering av KI-algoritmer
-
Medisinsk bildeanalyse – Segmentering, registrering og bildebasert diagnostikk
-
Numerisk modellering og simulering – Matematisk modellering av komplekse systemer
-
Datadrevet beslutningsstøtte – AI for analyse, prediksjon og innsikt
-
Automatisering og AI-strategi – Implementering av KI-løsninger i bedrifter
Tjenester for bedrifter og forskningsmiljøer
-
Rådgivning og strategi – Veiledning i KI-implementering og digital transformasjon
-
Utvikling av KI-modeller – Skreddersydde løsninger for bildeanalyse og maskinlæring
-
Dataanalyse og prediktiv modellering – Utnyttelse av data for optimal beslutningstaking
-
Optimering av algoritmer – Effektivisering av KI-modeller for ytelse og nøyaktighet
-
Workshops og opplæring – Kursing i KI-metoder og verktøy
Ta kontakt for en uforpliktende samtale om hvordan KI kan skape verdi for din virksomhet!


Et utvalg av mine prosjekter
Prosjekter for KI-basert automatisert tumorsegmentering
"Fully Automatic Whole-Volume Tumor Segmentation in Cervical Cancer" (Cancers, 2022)
Utvikling av en KI-basert metode for helautomatisk segmentering av livmorhalskreft.
"Automated segmentation of endometrial cancer on MR images using deep learning" (Scientific Reports, 2020)
Deep learning brukt til å identifisere og segmentere kreftvev på MR-bilder.
Prognosemodeller i gynekologisk kreft
"MRI-based radiomic signatures for pretreatment prognostication in cervical cancer" (Cancer Medicine, 2023)
Identifisering av radiomiske signaturer som kan forbedre prognostisering før behandling.
"Impact of MRI radiomic feature normalization for prognostic modelling in uterine endometrial and cervical cancers" (Scientific Reports, 2024)
Undersøker hvordan normalisering av radiomiske trekk påvirker prediktive modeller for gynekologisk kreft.
KI for forbedret sykehusdrift
-
Algoritme for å predikere belastning på portørtjenesten
-
Algoritme for predikere risikoen for reinnleggelse av en pasient
-
Algoritme for å predikere antall innlagte på sykehuset med Covid-19, influensa og RS virus
-
Algoritme for å predikere komplikasjoner hos en pasient i forkant av kirugi

