Ηλίας Μαγκλογιάννης

Ο Δρ. Η. Μαγκλογιάννης είναι  Διευθυντής στο Εργαστήριο Υπολογιστικής Βιοϊατρικής  του Πανεπιστημίου Πειραιά. Αποφοίτησε από το τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΕΜΠ και από το ίδιο τμήμα ανακηρύχθηκε Διδάκτορας Μηχανικός  με εξειδίκευση στη Βιοϊατρική Τεχνολογία και την Ιατρική Πληροφορική. Από το 2001 έως το 2008 υπηρέτησε στο Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων του Πανεπιστημίου Αιγαίου, ενώ στη συνέχεια διετέλεσε Επίκουρος Καθηγητής στο Τμήμα Πληροφορικής με Εφαρμογές στη Βιοϊατρική του Πανεπιστημίου Στερεάς Ελλάδος. Σήμερα είναι Καθηγητής στο Τμήμα Ψηφιακών Συστημάτων του Πανεπιστημίου Πειραιά, ενώ διετέλεσε Κοσμήτορας της Σχολής Τεχνολογιών Πληροφορικής και Επικοινωνιών και Πρόεδρος του Τμήματος. Τα ερευνητικά του ενδιαφέροντα εντάσσονται στις περιοχές της Τεχνητής Νοημοσύνης, της Ανάλυσης Εικόνας και Ήχου, της  Βιοϊατρικής Πληροφορικής και των Διεισδυτικών Συστημάτων (Pervasive Systems). Στα εν λόγω πεδία έχει 3 διεθνή βιβλία (εκδοτικοί οίκοι: Springer, IOS Press, Morgan & Claypool), 150 δημοσιεύσεις σε διεθνή επιστημονικά περιοδικά και πάνω από 200 δημοσιεύσεις σε πρακτικά διεθνών συνεδρίων, ενώ έχει λάβει πλέον των 9500 ετεροαναφορών (h-index=44). Ο Δρ. Μαγκλογιάννης έχει συμμετάσχει σε πλήθος Ευρωπαϊκών (π.χ. Horizon Europe: ΑΙ4WORK, MELIORA H2020:PolicyCloud, CROWDHEALTH, UNCAP, AGILE, FP7: e-LICO, INHOME, FP6: UNITE, NOMAD, TELEMED, FP5: MOMEDA, INTRACLINIC) και Εθνικών Έργων και έχει διατελέσει αντιπρόεδρος και γενικός γραμματέας της Ελληνικής Εταιρείας Βιοϊατρικής Τεχνολογίας, μέλος του ΔΣ της Ελληνικής Εταιρείας Τεχνητής Νοημοσύνης, αντιπρόεδρος της ΕΜηΠΕΕ, αντιπρόεδρος του Ελληνικού Παραρτήματος της ΙΕΕΕ ΕΜΒS,  ενώ είναι μέλος διεθνών οργανισμών όπως η  EAMBES (Fellow Member), η IEEE (Senior Member), η ACM, η SPIE και η IFIP. Ο Δρ. Μαγκλογιάννης είναι Πρόεδρος της Ομάδας Εργασίας IFIP WG 12.5 Artificial Intelligence Applications, μέλος του επιστημονικού συμβουλίου (editorial board member) στα διεθνή περιοδικά Journal of healthcare Engineering, Personal and Ubiquitous Computing, Scientific World και Intelligent Decision Technologies, ενώ έχει διατελέσει βοηθός εκδότη στα περιοδικά IEEE Biomedical Health Informatics, IEEE Transactions on Information Technology in Biomedicine, Journal on Information Technology in Healthcare.

Δημοσιεύσεις

Δημοσιεύσεις 2014 – 2022

I) ΠΕΡΙΟΔΙΚΑ

• Amerikanos, P., Maglogiannis, I. Image Analysis in Digital Pathology Utilizing Machine Learning and Deep Neural Networks (2022) Journal of Personalized Medicine, 12 (9), art. no. 1444, .
  Menychtas, A., Galliakis, M., Pardos, A., Panagopoulos, C., Karpouzis, K., Maglogiannis, I. Gameful Design of an Application for Patients in Rehabilitation (2022) Frontiers in Computer Science, 4, art. no. 822167, .
• Koulouris, D., Menychtas, A., Maglogiannis, I. An IoT-Enabled Platform for the Assessment of Physical and Mental Activities Utilizing Augmented Reality Exergaming (2022) Sensors, 22 (9), art. no. 3181, .
• Iakovidis, D.K., Ooi, M., Kuang, Y.C., Demidenko, S., Shestakov, A., Sinitsin, V., Henry, M., Sciacchitano, A., Discetti, S., Donati, S., Norgia, M., Menychtas, A., Maglogiannis, I., Wriessnegger, S.C., Chacon, L.A.B., Dimas, G., Filos, D., Aletras, A.H., Töger, J., Dong, F., Ren, S., Uhl, A., Paziewski, J., Geng, J., Fioranelli, F., Narayanan, R.M., Fernandez, C., Stiller, C., Malamousi, K., Kamnis, S., Delibasis, K., Wang, D., Zhang, J., Gao, R.X. Roadmap on signal processing for next generation measurement systems (2022) Measurement Science and Technology, 33 (1), art. no. 012002, .
  Pardos, A., Menychtas, A., Maglogiannis, I. On unifying deep learning and edge computing for human motion analysis in exergames development (2022) Neural Computing and Applications, 34 (2), pp. 951-967.
• Kallipolitis, A., Revelos, K., Maglogiannis, I. Ensembling efficientnets for the classification and interpretation of histopathology images (2021) Algorithms, 14 (10), art. no. 278, .
• Mavrogiannis, P., Maglogiannis, I. Amateur football analytics using computer vision (2022) Neural Computing and Applications, 34 (22), pp. 19639-19654.
• Zlatintsi, A., Filntisis, P.P., Garoufis, C., Efthymiou, N., Maragos, P., Menychtas, A., Maglogiannis, I., Tsanakas, P., Sounapoglou,T. , Kalisperakis, E., Karantinos, T., Lazaridi, M., Garyfalli, V., Mantas, A., Mantonakis, L., Smyrnis, N. E-Prevention: Advanced Support System for Monitoring and Relapse Prevention in Patients with Psychotic Disorders Analyzing Long-Term Multimodal Data from Wearables and Video Captures (2022) Sensors, 22 (19), art. no. 7544, .
• Vasileiou, M.V., Maglogiannis, I.G. The Health ChatBots in Telemedicine: Intelligent Dialog System for Remote Support (2022) Journal of Healthcare Engineering, 2022, art. no. 4876512, .
• Kallipolitis, A., Revelos, K., Maglogiannis, I. Ensembling efficientnets for the classification and interpretation of histopathology images (2021) Algorithms, 14 (10), art. no. 278,
• Ntaios, G., Sagris, D., Kallipolitis, A., Karagkiozi, E., Korompoki, E., Manios, E., Plagianakos, V., Vemmos, K., Maglogiannis, I. Machine-Learning-Derived Model for the Stratification of Cardiovascular risk in Patients with Ischemic Stroke (2021) Journal of Stroke and Cerebrovascular Diseases, 30 (10), art. no. 106018
• Maglogiannis, I., Kontogianni, G., Papadodima, O., Karanikas, H., Billiris, A., Chatziioannou, A. An Integrated Platform for Skin Cancer Heterogenous and Multilayered Data Management (2021) Journal of Medical Systems, 45 (1), art. no. 10,
• Vecchio, M., Azzoni, P., Menychtas, A., Maglogiannis, I., Felfernig, A. A fully open-source approach to intelligent edge computing: Agile’s lesson (2021) Sensors (Switzerland), 21 (4), art. no. 1309, pp. 1-14.
• Kallipolitis, A., Galliakis, M., Menychtas, A., Maglogiannis, I. Affective analysis of patients in homecare video-assisted telemedicine using computational intelligence (2020) Neural Computing and Applications, 32 (23), pp. 17125-17136.
  Kottari, K.N., Delibasis, K.K., Maglogiannis, I.G. Real-Time fall detection using uncalibrated fisheye cameras (2020) IEEE Transactions on Cognitive and Developmental Systems, 12 (3), IEEE Press
• Papadodima, O., Kontogianni, G., Piroti, G., Maglogiannis, I. & Chatziioannou, A., Genomics of Cutaneous Melanoma: Focus on Next-Generation Sequencing Approaches and Bioinformatics. J Transl Genet Genom 2019; 3:7
• Kiourtis, A. Mavrogiorgou, A. Menychtas, I. Maglogiannis, D. Kyriazis: Structurally Mapping Healthcare Data to HL7 FHIR through Ontology Alignment. J. Medical Systems 43(3): 62:1-62:13 (2019) Springer
• Kontogianni, G., Piroti, G., Maglogiannis, I., Chatziioannou, A., & Papadodima, O. (2018). Dissecting the Mutational Landscape of Cutaneous Melanoma: An Omic Analysis Based on Patients from Greece. Cancers, 10(4), 96 MDPI
• Panagopoulos, C.; Menychtas, A.; Tsanakas, P.; Maglogiannis, I. Increasing Usability of Homecare Applications for Older Adults: A Case Study. Designs MDPI 2019, 3, 23.
• Andrikos, G. Rassias, P. Tsanakas, I. Maglogiannis: An Enhanced Device-Transparent Real-Time Teleconsultation Environment for Radiologists. IEEE J. Biomedical and Health Informatics 23(1): 374-386 (2019)
• S. Georgakopoulos, K. Kottari, K. Delibasis, V. Plagianakos, I. Maglogiannis: Improving the performance of convolutional neural network for skin image classification using the response of image analysis filters. Neural Computing and Applications Springer 31(6): 1805-1822 (2019)
• S. Georgakopoulos, K. Kottari, K. Delibasis, V.P. Plagianakos, I. Maglogiannis, “Pose recognition using convolutional neural networks on omni-directional images”, Neurocomputing, Volume 280 2018, Pages 23-31 Elsevier
• Kiourtis, A. Mavrogiorgou, D. Kyriazis, I. Maglogiannis, M. Themistocleous: Exploring the complete data path for data interoperability in cyber-physical systems. International Journal of High-Performance Computing and Networking 12(4): 339-349 (2018)
• Mezari and I. Maglogiannis, “An Easily Customized Gesture Recognizer for Assisted Living Using Commodity Mobile Devices,” Journal of Healthcare Engineering, vol. 2018, Article ID 3180652, 12 pages, 2018.
• Kontogianni, O. Papadodima, A. Mitrakas, I. Maglogiannis, MI Koukourakis, A. Giatromanolaki, A. Chatziioannou, “An RNA-seq analysis from non-small cell lung cancer biopsies suggests an important role for aberrant alternative splicing in its pathophysiology” Health and Technology, v7, n.1,   pp.133-140,  2017 Springer
• G. Fylaktopoulos, M. Skolarikis, I.Papadopoulos, G. Goumas, A. Sotiropoulos, I. Maglogiannis, “A distributed modular platform for the development of cloud based applications, Future Generation Computer Systems”, 2017, Elsevier
• K. K. Delibasis, T. Goudas, I. Maglogiannis, “A novel robust approach for handling illumination changes in video segmentation” Eng. Appl. of AI Elsevier 49: 43-60 (2016)
• I. Maglogiannis, C. Ioannou, P. Tsanakas, “Fall detection and activity identification using wearable and hand-held devices” Integrated Computer-Aided Engineering IOS Press 23(2): 161-172 (2016)
• K. Delibasis, S. Georgakopoulos, K.Kottari, V. Plagianakos, I. Maglogiannis, “Geodesically-corrected Zernike descriptors for pose recognition in omni-directional images” Integrated Computer-Aided Engineering IOS Press 23(2): 185-199 (2016)
• G. Fylaktopoulos, G. Goumas, M. Skolarikis, A. Sotiropoulos, I. Maglogiannis, “An overview of platforms for cloud based development” SpringerPlus Vol. 5 1, 38, Springer 2016
• A. Menychtas, P. Tsanakas, I. Maglogiannis “Automated integration of wireless biosignal collection devices for patient-centred decision-making in point-of-care systems” Healthcare Technology Letters pp. 34-40 2016 IET Digital Library
• P. L. K. Mantos, I. Maglogiannis: Sensitive Patient Data Hiding using a ROI Reversible Steganography Scheme for DICOM Images. J. Medical Systems 40(6): 156:1-156:17 (2016)
• I. Valavanis, I. Maglogiannis, A. Chatziioannou, “Exploring robust diagnostic signatures for Cutaneous Melanoma utilizing Genetic and Imaging Data” IEEE Journal of Biomedical and Health Informatics JBHI 19 (1), 6849924, pp. 190-198 (2015)
• I. Maglogiannis, K. K. Delibasis, “Enhancing classification accuracy utilizing globules and dots features in digital dermoscopy”, Computer Methods and Programs in Biomedicine Elsevier Vo. 118, Issue 2, Pages 124-133 (2015)
• I. Maglogiannis, S. Georgakopoulos, S.K. Tasoulis, V.P. Plagianakos, “A Software Tool for the Automatic Detection and Quantification of Fibrotic Tissues in Microscopy Images” Vol. 308, Pages 125-139 Information Sciences Elsevier (2015)
• T. Goudas, I. Maglogiannis “An Advanced Image Analysis Tool for the Quantification and Characterization of Breast Cancer in Microscopy Images” Journal of Medical Systems Springer Volume 39, Issue 3, 2015, 13p (2015)
• Iakovidis, D.K., Goudas, T., Smailis, C., Maglogiannis, I., Ratsnake: A versatile image annotation tool with application to computer-aided diagnosis (2014) The Scientific World Journal, 2014, art. no. 286856
• C. Doukas, N. Fotiou, G. C. Polyzos and I. Maglogiannis, “Cognitive and Context Aware Assistive Environments Using Future Internet Technologies” Universal Access in the Information Society UAIS, Springer 13 (1), pp. 59-72 (2014)
• I. Maglogiannis, F. Makedon, G. E. Pantziou, M. Betke: “Cognitive Systems for Assistive Environments” Universal Access in the Information Society UAIS, Springer 13 (1), pp. 1-4 (2014)
• I. Maglogiannis, C. Doukas, Intelligent health monitoring based on pervasive technologies and cloud computing (2014) International Journal on Artificial Intelligence Tools, 23 (3), art. no. 1460001
• I. Maglogiannis, M. Betke, F. Makedon, G. E. Pantziou, “Assistive Environments for the Disabled and the Senior Citizens – Theme Issue of PETRA 20010 and 2011 Conferences (Editorial)” 18 (1), pp. 1-3 (2014)
• C. Anagnostopoulos, S. Hadjiefthymiades, A. Katsikis and I. Maglogiannis, “Multivariate, Auto-regressive Context Forwarding Suppression in Wireless Sensor Networks for Healthcare” Personal and Ubiquitous Computing, Springer 18 (1), pp. 101-114 (2014)
• K. Moutselos, I. Maglogiannis, A. Chatziioannou, “Integration of high-volume molecular and imaging data for composite biomarker discovery in the study of melanoma” (2014) BioMed Research International, Hidawi 2014, art. no. 145243
• E. C. Kyriacou, V.J. Promponas, I. Maglogiannis, C. Schizas, C. S. Pattichis: “Editorial: Intelligent Biomedical Systems”, International Journal on Artificial Intelligence Tools World Scientific 23(3) (2014)
• K. K. Delibasis, V. P. Plagianakos, I. Maglogiannis, “Refinement of human silhouette segmentation in omni-directional indoor videos”, Computer Vision and Image Understanding Elsevier 128: 65-83 (2014)
• S. Tasoulis, V. Plagianakos and I. Maglogiannis, “Fractal analysis and fuzzy c-means clustering for quantification of fibrotic microscopy images, Artificial Intelligence Review Springer vol. 42, issue 3, pp. 313–329, (2014)

II) ΣΥΝΕΔΡΙΑ

• Pardos, A., Tziomaka, M., Menychtas, A., Maglogiannis, I. Automated Posture Analysis for the Assessment of Sports Exercises (2022) art. no. 43, .
• Koulouris, D., Gallos, P., Menychtas, A., Maglogiannis, I. Exploiting Augmented Reality and Computer Vision for Healthcare Education: The Case of Pharmaceutical Substances Visualization and Information Retrieval (2022) 298, pp. 87-91.
•  Gallos, P., Menychtas, A., Panagopoulos, C., Kaselimi, M., Rallis, I., Doulamis, A., Doulamis, N., Bimpas, M., Aggeli, A., Protopapadakis, E., Sardis, E., Maglogiannis, I. Pervasive Monitoring of Public Health and Well-Being in Urban Areas with Blue-Green Solutions (2022) 294, pp. 939-940.
• Pardos, A., Menychtas, A., Gallos, P., Panagopoulos, C., Maglogiannis, I. Gamification and Coaching in Remote Monitoring and Care Platforms (2022) 294, pp. 644-648.
• Kallipolitis, A., Tziomaka, M., Papadopoulos, D., Maglogiannis, I. Explainable computer vision analysis for embryo selection on blastocyst images (2022) .
• Koulouris, D., Pardos, A., Gallos, P., Menychtas, A., Maglogiannis, I. Integrating AR and IoT Services into mHealth Applications for Promoting Wellbeing (2022) 2022-October, pp. 148-153.
• Gallos, P., Menychtas, A., Panagopoulos, C., Protopapadakis, E., Doulamis, N., Doulamis, A., Sardis, E., Bimpas, M., Kaselimi, M., Maglogiannis, I. Designing a Cloud Based Platform for Monitoring Well-Being and Public Health in Areas with Natural Based Solutions (2022) 445 LNICST, pp. 95-102.
• Zannos, S., Nikitopoulos, D., Gryparis, V., Tzounis, L., Nikita, K., Maglogiannis, I., Tsanakas, P. Promoting Medication Adherence by Redesigning Medical Blisters – The Smartblister approach (2022).
• Panagopoulos, C., Menychtas, A., Jahaj, E., Vassiliou, A.G., Gallos, P., Dimopoulou, I., Kotanidou, A., Maglogiannis, I. Intelligent Pervasive Monitoring Solution of COVID-19 Patients (2022) 295, pp. 570-573.
• Gallos, P., Menychtas, A., Panagopoulos, C., Kaselimi, M., Temenos, A., Rallis, I., Doulamis, A., Doulamis, N., Bimpas, M., Aggeli, A., Protopapadakis, E., Sardis, E., Maglogiannis, I. Using mHealth Technologies to Promote Public Health and Well-Being in Urban Areas with Blue-Green Solutions (2022) 295, pp. 566-569.
• Moutselos, K., Maglogiannis, I. On the Reusability of ISIC Data for Training DL Classifiers Applied on Clinical Skin Images (2022) 652 IFIP, pp. 199-212.
• Karagiannis, D., Maglogiannis, I., Nikita, K.S., Tsanakas, P. Hardware/Software Co-Design of a Low-Power IoT Fall Detection Device (2022) 641 IFIP, pp. 146-159.
• Gallos, P., Menychtas, A., Panagopoulos, C., Bimpas, M., Maglogiannis, I. Quantifying Citizens’ Well-Being in Areas with Natural Based Solutions Using Mobile Computing (2022) 289, pp. 465-468.
• Pardos, A., Menychtas, A., Maglogiannis, I. Introducing Gamification in eHealth Platforms for Promoting Wellbeing (2022) 289, pp. 337-340.
• Koulouris, D., Menychtas, A., Maglogiannis, I. On the development of augmented reality based exergames for assessing human activity and cognition on mobile devices (2021) pp. 521-526.
• Mavrogiorgou, A., Kleftakis, S., Mavrogiorgos, K., Zafeiropoulos, N., Menychtas, A., Kiourtis, A., Maglogiannis, I., Kyriazis, D. BeHEALTHIER: A microservices platform for analyzing and exploiting healthcare data (2021) 2021-June, art. no. 9474741, pp. 283-288.
• Kallipolitis, A., Galliakis, M., Menychtas, A., Maglogiannis, I. Speech Based Affective Analysis of Patients Embedded in Telemedicine Platforms (2021) pp. 1857-1860.
• Tziomaka, M., Maglogiannis, I. Ensembles of Deep Convolutional Neural Networks for Detecting Melanoma in Dermoscopy Images (2021) 12876 LNAI, pp. 523-535.
• Tziomaka, M., Kallipolitis, A., Tsanakas, P., Maglogiannis, I. Evaluating Mental Patients Utilizing Video Analysis of Facial Expressions (2021) 628, pp. 182-193.
• Kleftakis, S., Mavrogiorgos, K., Zafeiropoulos, N., Mavrogiorgou, A., Kiourtis, A., Maglogiannis, I., Kyriazis, D. Analyzing Collective Knowledge Towards Public Health Policy Making (2021) 628, pp. 171-181.
• Kallipolitis, A., Stratigos, A., Zarras, A., Maglogiannis, I. Explainable fully connected visual words for the classification of skin cancer confocal images: Interpreting the influence of visual words in classifying benign vs malignant pattern (2020) art. no. 3411435, pp. 67-73.
• Mavrogiorgou, A., Kiourtis, A., Maglogiannis, I., Kyriazis, D., de Nigro, A., Blanes-Selva, V., García-Gómez, J.M., Menychtas, A., Sorić, M., Jurak, G., Luštrek, M., Gradišek, A., Kosmidis, T., Nifakos, S., Perakis, K., Miltiadou, D., Gallos, P. CrowdHEALTH: An e-Health big data driven platform towards public health policies (2020) pp. 235-243.
• Sarlis, S., Maglogiannis, I. On the reusability of sentiment analysis datasets in applications with dissimilar contexts (2020) 583 IFIP, pp. 409-418.
• Kyriazis, D., Biran, O., Bouras, T., Brisch, K., Duzha, A., del Hoyo, R., Kiourtis, A., Kranas, P., Maglogiannis, I., Manias, G., Meerkamp, M., Moutselos, K., Mavrogiorgou, A., Michael, P., Munné, R., La Rocca, G., Nasias, K., Pariente Lobo, T., Rodrigálvarez, V., Sgouros, N.M., Theodosiou, K., Tsanakas, P. PolicyCLOUD: Analytics as a service facilitating efficient data-driven public policy management (2020) 583 IFIP, pp. 141-150.
• Maglogiannis, I., Zlatintsi, A., Menychtas, A., Papadimatos, D., Filntisis, P.P., Efthymiou, N., Retsinas, G., Tsanakas, P., Maragos, P. An Intelligent Cloud-Based Platform for Effective Monitoring of Patients with Psychotic Disorders (2020) 584 IFIP, pp. 293-307.
• Pardos, A., Menychtas, A., Maglogiannis, I. Introducing an Edge-Native Deep Learning Platform for Exergames (2020) 584 IFIP, pp. 88-98.
• Kallipolitis, A., Stratigos, A., Zarras, A., Maglogiannis, I. Fully connected visual words for the classification of skin cancer confocal images (2020) 5, pp. 853-858.
• S. Tasoulis, G. Mallis, S. Georgakopoulos, A. Vrahatis, V. Plagianakos, Maglogiannis: Deep Learning and Change Detection for Fall Recognition. EANN 2019: 262-273
• P. Gallos, S. Aso, S. Autexier, A. Brotons, A. De Nigro, G. Jurak, A. Kiourtis, P. Kranas, D. Kyriazis, M. Lustrek, A. Magdalinou, I. Maglogiannis, J. Mantas, A. Martinez, A. Menychtas, L. Montandon, F. Picioroaga, M. Perez, D. Stanimirovic, G. Starc, T. Tomson, R. Vilar-Mateo, A. Vizitiu: CrowdHEALTH: Big Data Analytics and Holistic Health Records. EFMI-STC 2019: 255-256
• A. Kallipolitis, M. Galliakis, A. Menychtas, I. Maglogiannis: Emotion Analysis in Hospital Bedside Infotainment Platforms Using Speeded up Robust Features. AIAI 2019: 127-138
• A. Kallipolitis, I. Maglogiannis, “Creating Visual Vocabularies for the Retrieval and Classification of Histopathology Images”, In Proc of 41^th Annual International Conference of the IEEE Engineering in Medicine and Biology, EMBC19 Berlin, Germany 2019
• K. Moutselos, E. Berdouses, C. Oulis, I. Maglogiannis, “Recognizing Occlusal Caries in Dental Intraoral Images Using Deep Learning”, In Proc of 41^th Annual International Conference of the IEEE Engineering in Medicine and Biology, EMBC19 Berlin, Germany 2019
• A. Menychtas, M. Galliakis, P. Tsanakas, I. Maglogiannis, “Real-Time Integration of Emotion Analysis into Homecare Platforms”, In Proc of 41^th Annual International Conference of the IEEE Engineering in Medicine and Biology, EMBC19 Berlin, Germany 2019
• D. Kosmopoulos, A. Argyros, C. Theoharatos, V. Lambropoulou, C. Panagopoulos, I. Maglogiannis: The HealthSign Project: Vision and Objectives. PETRA 2018: 502-506
• K. Delibasis, I. Maglogiannis, Feature Extraction and Pattern Recognition from Fisheye Images in the Spatial Domain. VISIGRAPP (4: VISAPP) 2018: 460-465
• A. Kallipolitis, I. Maglogiannis: Content Based Image Retrieval in Digital Pathology Using Speeded Up Robust Features. AIAI 2018: 374-384
• K, Moutselos, D. Kyriazis, V. Diamantopoulou, Maglogiannis: Trustworthy data processing for health analytics tasks. IEEE BigData 2018: 3774-3779
• K. Delibasis, I. Maglogiannis, S. Georgakopoulos, K. Kottari, V. Plagianakos: Assessing Image Analysis Filters as Augmented Input to Convolutional Neural Networks for Image Classification. ICANN (1) 2018: 188-196
• K. Moutselos, E. Berdouses, C. Oulis, I. Maglogiannis: Superpixel-Based Classification of Occlusal Caries Photography. IEEE ICIP 2018: 1343-1347
• S. Erdeniz, I. Maglogiannis, A. Menychtas, A. Felfernig, T. Tran: Recommender Systems for IoT Enabled m-Health Applications. AIAI 2018: 227-237
• D. Chousiadas, A. Menychtas, P. Tsanakas, I. Maglogiannis: Advancing Quantified-Self Applications Utilizing Visual Data Analytics and the Internet of Things. AIAI 2018: 263-274
• K. Moutselos, D. Kyriazis, I. Maglogiannis: A Web Based Modular Environment for Assisting Health Policy Making Utilizing Big Data Analytics. IEEE 9th International Conference on Information, Intelligence, Systems and Applications (IISA) 2018: 1-5
• I. Korres, A. Menychtas, P. Tsanakas, I. Maglogiannis: A low-cost IoT-based health monitoring platform enriched with social networking facilities. IEEE Percasive Computing 2018: 173-178
• C. Doukas, P. Tsanakas, I. Maglogiannis: A Versatile Architecture for Building IoT Quantified-Self Applications. CBMS 2017: 500-505
• Rassias, C. Andrikos, P. Tsanakas, I. Maglogiannis: Versatile Cloud Collaboration Services for Device-Transparent Medical Imaging Teleconsultations. CBMS 2017: 306-311
• A. Menychtas, D. Papadimatos, P. Tsanakas, I. Maglogiannis: On the Integration of Wearable Sensors in IoT Enabled mHealth and Quantified-self Applications. IMCL 2017: 77-88
• Mezari, Antigoni and Ilias G. Maglogiannis. “Gesture recognition using symbolic aggregate approximation and dynamic time warping on motion data.” IEEE PervasiveHealth (2017).
• S.V., Kottari, K., Delibasis, K., Plagianakos, V.P., Maglogiannis, I. Detection of malignant melanomas in dermoscopic images using convolutional neural network with transfer learning EANN 2017 Communications in Computer and Information Science, 744, pp. 404-414.
• G. Kontogianni, O. Papadodima, A Mitrakas, I. Maglogiannis, M. Koukourakis, A. Giatromanolaki, A. Chatziioannou, “Exploring the Molecular Determinants of Tumor-Stroma Interaction in Non-small Cell Lung Cancer Through the Utilization of RNA-seq Data from Lung Biopsies” XIV Mediterranean Conference on Medical and Biological Engineering and Computing 489-493 2016 Springer International Publishing
• I. Maglogiannis, K. Delibasis, “Video Analytics for Activity Recognition in Indoor Environments Using Fisheye Cameras”, XIV Mediterranean Conference on Medical and Biological Engineering and Computing 1099-1104 2016 Springer International Publishing
• C. Aronis, K. Delibasis, M. Fanariotis, I. Maglogiannis, “A Tractography Algorithm for MR Diffusion Tensor Imaging Based on Minimum-Cost Path”, XIV Mediterranean Conference on Medical and Biological Engineering and Computing 302-307 2016 Springer International Publishing
• A. Kiourtis, A. Mavrogiorgou, D. Kyriazis, I. Maglogiannis, M. Themistocleous: Towards Data Interoperability: Turning Domain Specific Knowledge to Agnostic across the Data Lifecycle. AINA Workshops 2016: 109-114
• G. Kontogianni, O. Papadodima, I. Maglogiannis, K. Frangia-Tsivou, A. Chatziioannou: Integrative Bioinformatic Analysis of a Greek Epidemiological Cohort Provides Insight into the Pathogenesis of Primary Cutaneous Melanoma. AIAI 2016: 39-52
• S. V. Georgakopoulos, K.Kottari, K. Delibasis, V. P. Plagianakos, I. Maglogiannis: Convolutional Neural Networks for Pose Recognition in Binary Omni-directional Images. AIAI 2016: 106-116
• K.K. Delibasis, I. Maglogiannis, V. Plagianakos: Silhouette labeling and tracking in calibrated omnidirectional video sequences PETRA 2016:79:1-79:4
• G. Petichakis, A. Chatzigeorghiou, N. Louros, K. Nastou, S. Hamodrakas, I. Maglogiannis, V. Iconomidou Detection of highly divergent tandem repeats in protein sequences, Joint Conference of the Hellenic Crystallographic Association and the Hellenic Society for Computational Biology and Bioinformatics (HECRA-HSCBB16), Agricultural University of Athens, Athens, Greece
• I. Valavanis, T. Goudas, M. Michailidou, I. Maglogiannis, H. Loutrari, A. Chatziioannou: A Novel Image Analysis Methodology for the Evaluation of Angiogenesis in Matrigel Assays and Screening of Angiogenesis-Modulating Compounds. AIAI 2015:61-71
• K. Delibasis, K. Kottari, I. Maglogiannis Automated Detection of Streaks in Dermoscopy Images. AIAI 2015: 45-60
• SV. Georgakopoulos, SK. Tasoulis, I. Maglogiannis, VP. Plagianakos: On-Line Fall Detection via Mobile Accelerometer Data. AIAI 2015:103-112
• C. Panagopoulos, E. Kalatha, P. Tsanakas, I. Maglogiannis: Evaluation of a Mobile Home Care Platform – Lessons Learned and Practical Guidelines. AmI 2015:328-343
• I. Maglogiannis, T. Goudas, A. Billiris, H. Karanikas, I. Valavanis, O. Papadodima, G. Kontogianni, A. Chatziioannou: Redesigning EHRs and Clinical Decision Support Systems for the Precision Medicine Era. In Proceedings of the 16th International Conference on Engineering Applications of Neural Networks (INNS) (p. 14). ACM.
• K.K. Delibasis, T. Goudas, I. Maglogiannis: A novel hybrid approach for human silhouette segmentation. PETRA 2015:79:1-79:4
• D. I. Kosmopoulos, I. Maglogiannis: Joint segmentation and classification of actions using a conditional random field. PETRA 2015:83:1-83:4
• Andrikos C., Rassias G., Tsanakas P., Maglogiannis I., “Real-Time Medical Collaboration Services over the Web” 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) 2015 pp 1393-1396
• I. Maglogiannis, K. Delibasis, “Hair removal on dermoscopy images”, 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) 2015 pp 2960-2963
• Mourouzis A, Themistocleous M, Maglogiannis I, Chouvarda I, Maglaveras N, “PinCloud: Effective Personalization and Self-management of Health Data and Care Services 6th European Conference of the International Federation for Medical and Biological Engineering 707-710 Springer 2015
• I. Maglogiannis, C. Panagopoulos, G. Spyroglou, P. Tsanakas, “Mobile Reminder System for Furthering Patient Adherence Utilizing Commodity Smartwatch and Android devices” 4th IEEE International Conference on Wireless Mobile Communication and Healthcare MOBIHEALTH 2014
• I. Maglogiannis, V. Pigadas, V.P. Plagianakos, “Cloud Based Audio and Video Communication in Personal Health Systems: Voip and Webrtc” In Proc. European, Mediterranean & Middle Eastern Conference on Information Systems 2014 (EMCIS2014) October 27th – 28th 2014, Doha, Qatar
• Kosmopoulos, D Maglogiannis, I., “Multicamera Fusion for online Analysis of structured Processes” Proceedings of the 7th ACM International Conference on PErvasive Technologies Related to Assistive Environments PETRA 2014 Rhodes Greece
• K. Delibasis, V. Plagianakos, I. Maglogiannis, “Pose Recognition in Indoor Environments using a Fisheye Camera and a Parametric Human Model” In Proc VISAPP 2014 Lisbon Portugal
• G. Fourlas and I. Maglogiannis, “Human Movement Detection using Attitude and Heading Reference System” Proceedings of the 7th ACM International Conference on PErvasive Technologies Related to Assistive Environments PETRA 2014 Rhodes Greece
• I. Maglogiannis, “Human Centered Computing for the Development of Assistive Environments: The STHENOS project”, Proceedings of the 7th ACM International Conference on PErvasive Technologies Related to Assistive Environments PETRA 2014 Rhodes Greece
• Maglogiannis, I., Delibasis, K., Kosmopoulos, D., Goudas, T., Doukas, C. Activity recognition in assistive environments: The STHENOS approach (2014) Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 8515 LNCS (PART 3), pp. 525-536
• Andrikos, C., Maglogiannis, I., Bilalis, E., Spyroglou, G., Tsanakas, P. An intelligent platform for hosting medical collaborative services (2014) Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 8445 LNCS, pp. 354-359
• A. Mourouzis, M. Themistocleous, I. Maglogiannis, I. Chouvarda, N. Maglaveras (2015). PinCloud: Effective Personalization and Self-management of Health Data and Care Services. In I. Lacković and D. Vasic (Eds.), IFMBE Proceedings of the 6th European Conference of the International Federation for Medical and Biological Engineering (MBEC 2014), Dubrovnik, Croatia, 7-11 September, Volume 45, pp 707-710. Springer International Publishing Switzerland. DOI: 10.1007/978-3-319-11128-5_176
• I. Maglogiannis, C. Ioannou, G. Spyroglou, P. Tsanakas: Fall Detection Using Commodity Smart Watch and Smart Phone. In Proc AIAI 2014: 70-78
• K.K. Delibasis, S.V. Georgakopoulos, V. P. Plagianakos, I. Maglogiannis: Calculation of Complex Zernike Moments with Geodesic Correction for Pose Recognition in Omni-directional Images. In Proc AIAI 2014: 375-384
• K. Kottari, K. Delibasis, V. P. Plagianakos, I. Maglogiannis: Fish-Eye Camera Video Processing and Trajectory Estimation Using 3D Human Models. In Proc AIAI 2014: 385-394

III) ΚΕΦΑΛΑΙΑ ΣΕ ΒΙΒΛΙΑ

• Menychtas, A., Tsanakas, P., Maglogiannis, I. Knowledge Discovery on IoT-Enabled mHealth Applications (2020) In: Vlamos, P. (eds) GeNeDis 2018. Advances in Experimental Medicine and Biology, Springer, Cham.1194, pp. 181-191.
• Delibasis, Κ., Aronis, C., Fanariotis, M., Maglogiannis, I. Novel Cost Function Definition for Minimum-Cost Tractography in MR Diffusion Tensor Imaging (2020) In: Vlamos, P. (eds) GeNeDis 2018. Advances in Experimental Medicine and Biology, Springer, Cham.1194, pp. 135-150.
• Nastou, K.C., Karataraki, E.G., Papandreou, N.C., Rerra, A.-I.G., Grimanelli, V.P., Maglogiannis, I., Hamodrakas, S.J., Iconomidou, V.A. ANTISOMA: A Computational Pipeline for the Reduction of the Aggregation Propensity of Monoclonal Antibodies(2020) In: Vlamos, P. (eds) GeNeDis 2018. Advances in Experimental Medicine and Biology, Springer, Cham.1194 pp. 359-371.
• Vrahatis, A.G., Tasoulis, S.K., Maglogiannis, I., Plagianakos, V.P.  In: Maglogiannis, I., Brahnam, S., Jain, L. (eds) Advanced Computational Intelligence in Healthcare-7. Studies in Computational Intelligence, vol 891. Springer, Berlin, Heidelberg. Recent machine learning approaches for single-cell RNA-seq data analysis (2020) In: Maglogiannis, I., Brahnam, S., Jain, L. (eds) Advanced Computational Intelligence in Healthcare-7. Studies in Computational Intelligence, vol 891. Springer, Berlin, Heidelberg, pp. 65-79.
• Kalogirou, I.P., Kallipolitis, A., Maglogiannis, I. Passive emotion recognition using smartphone sensing data (2020) In: Maglogiannis, I., Brahnam, S., Jain, L. (eds) Advanced Computational Intelligence in Healthcare-7. Studies in Computational Intelligence, vol 891. Springer, Berlin, Heidelberg, pp. 17-28.
• Kontogianni, G., Maglogiannis, I. A review on state-of-the-art computer-based approaches for the early recognition of malignant melanoma (2020) In: Maglogiannis, I., Brahnam, S., Jain, L. (eds) Advanced Computational Intelligence in Healthcare-7. Studies in Computational Intelligence, vol 891. Springer, Berlin, Heidelberg, pp. 81-101.
• Stavrianos, P., Pavlopoulos, A., Maglogiannis, I. Enabling Speech Emotional Intelligence as a Service in Homecare Platforms Pervasive Healthcare A Compendium of Critical Factors for Success (2022) Springer, pp. 119-144.
• Kyriazis, D., Autexier, S., Brondino, I., Boniface, M., Donat, L., Engen, V., Fernandez, R., Jimenez-Peris, R., Jordan, B., Jurak, G., Kiourtis, A., Kosmidis, T., Lustrek, M., Maglogiannis, I., Mantas, J., Martinez, A., Mavrogiorgou, A., Menychtas, A., Montandon, L., Nechifor, C.-S., Nifakos, S., Papageorgiou, A., Patino-Martinez, M., Perez, M., Plagianakos, V., Stanimirovic, D., Starc, G., Tomson, T., Torelli, F., Traver-Salcedo, V., Vassilacopoulos, G., Wajid, U. CrowdHEALTH: Holistic health records and big data analytics for health policy making and personalized health (2017) Studies in Health Technology and Informatics, 238, pp. 19-23.
• K. Jeferry, G. Kousiouris, D. Kyriazis, J. Altmann, A. Ciuffoletti, I. Maglogiannis, P. Nesi, B. Suzic, Z. Zhao, “Challenges Emerging from Future Cloud Application Scenarios, Procedia Computer Science Vol, 68, 227-237 2015 Elsevier
• G. Fylaktopoulos, G. Goumas, M. Skolarikis, A. Sotiropoulos, I. Maglogiannis, “CIRANO: An Integrated Programming Environment for Multi-tier Cloud Based Applications” Procedia Computer Science Vol. 68 pp. 42-52 2015 Elsevier
• C. Doukas, P. Stagkopoulos, I. Maglogiannis, “Skin lesions Image Analysis Utilizing Smart Phones and Cloud Platforms”, Mobile Health Technologies Methods and Protocols Series: Methods in Molecular Biology, Vol. 1256 Rasooly, Avraham, Herold, Keith (Eds.) Springer 2015
• Harilaos G. Sandalidis and Ilias Maglogiannis, “Channel Models for On-Body Communications” Wearable Sensors: fundamentals, implementation and applications Wearable Sensors: Fundamentals, Implementation and Applications edited by Edward Sazonov, Michael R Neuman Elsevier 2014
• I. Maglogiannis, E. Kalatha and E. A. Paraskevopoulou-Kollia, “An Overview of Affective Computing from the Physiology and Biomedical Perspective: An Overview of Affective Computing from the Physiology and Biomedical Perspective Semantic Multimedia Analysis and Processing” Pages 367–395 CRC Press 2014
• M. Salama, O. Soliman, I. Maglogiannis, A. Hassanien, “Rough Set-Based Identification of Heart Valve Diseases Using Heart Sounds” Aly A. Fahmy A. Skowron and Z. Suraj (Eds.): Rough Sets and Intelligent Systems, ISRL 43, pp. 475–491 Springer-Verlag Berlin Heidelberg 2014

• Artificial Intelligence Applications and Innovations
• Artificial Intelligence: Theories, Models and Applications (2012)
• Image and Signal Processing for Networked eHealth Applications
• Emerging Artificial Intelligence Applications in Computer Engineering
• Advanced Computational Intelligence in Healthcare

Σύνδεσμοι

• http://cbml.ds.unipi.gr
• http://scholar.google.gr/citations?user=RXF4kxsAAAAJ&hl=en&oi=ao
• https://www.researchgate.net/profile/Ilias_Maglogiannis
• https://piraeus.academia.edu/IliasMaglogiannis
• http://www.informatik.uni-trier.de/~ley/pers/hd/m/Maglogiannis:Ilias.html
• http://www.scopus.com/authid/detail.url?authorId=6602908534

Προτεινόμενα θέματα πτυχιακής εργασίας

• Διάγνωση δερματολογικών εικόνων με χρήση τεχνικών αναγνώρισης προτύπων.
  Ανάπτυξη συστήματος αυτοματοποιημένης διάγνωσης από ιατρικές εικόνες με χρήση τεχνικών αναγνώρισης προτύπων. Η ανάπτυξη υπολογιστικών συστημάτων για την αυτοματοποιημένη διάγνωση από ιατρικές εικόνες αποτελεί ένα πεδίο έντονης επιστημονικής έρευνας τα τελευταία χρόνια. Οι ψηφιακές ιατρικές εικόνες συναντώνται στην συντριπτική πλειοψηφία των διαγνωστικών εργαστηρίων, επιτρέποντας την ευέλικτη διαχείριση τους από υπολογιστικά συστήματα. Ειδικότερα, η ψηφιακή επεξεργασία ιατρικών εικόνων περιλαμβάνει την εφαρμογή τεχνικών εξαγωγής των χαρακτηριστικών περιγραφής των ανθρώπινων ιστών με τρόπο ακριβή και αξιόπιστο (πχ. κατάτμηση). Η αναλυτική περιγραφή των βιοϊατρικών εικόνων (π.χ. δερματολογικών εικόνων) με τιμές συγκεκριμένων χαρακτηριστικών είναι δυνατόν να αξιοποιηθούν από μεθόδους αναγνώρισης προτύπων (με χρήση γνωστών ταξινομητών) με στόχο την αυτοματοποιημένη διάγνωση και την ενίσχυση του έργου των ιατρών. Η πρακτική εφαρμογή τέτοιων συστημάτων είναι τεράστια, αφού διευκολύνει τον έγκαιρο και αξιόπιστο εντοπισμό των σημαντικών περιστατικών, και μπορεί να ενσωματωθεί τόσο σε τοπικά πληροφοριακά συστήματα διαγνωστικών κέντρων αλλά και σε ευρύτερα συστήματα τηλεϊατρική.
• Ανάπτυξη αλγορίθμων αναγνώρισης δραστηριότητας και επειγόντων περιστατικών.
  Η καταγραφή της κίνησης με την βοήθεια οπτικών μεθόδων έχει γίνει τα τελευταία χρόνια ένα χρήσιμο εργαλείο στην επιστημονική κοινότητα που ασχολείται με την κίνηση του ανθρώπου, παρέχοντας ποσοτική πληροφορία. Το πλήθος των εμπορικών εταιριών που παρέχουν συστήματα καταγραφής της ανθρώπινης κίνησης, με οπτικές μεθόδους, για εφαρμογές βιομηχανικές, απόδοση αθλητών και ανάλυση κίνησης – βάδισης προδίδουν την επικράτηση των οπτικών μεθόδων στην καταγραφή κίνησης. Η τεχνική βασίζεται στην τοποθέτηση ενεργών ή παθητικά ανακλώμενων αισθητήρων στα διάφορα σημεία ενδιαφέροντος του ανθρώπινου σώματος. Οι περισσότεροι από τους αλγορίθμους βασίζονται στην ανίχνευση φόντου και μπορούν να εντοπίσουν τα κινούμενα αντικείμενα, καθώς η αδράνεια των αντικειμένων τα κάνει να εξαφανίζονται. Ο στόχος είναι να εξαχθεί το άτομο από το βίντεο, αφαιρώντας την αρχική εκτίμηση του φόντου από το αρχικό βίντεο, ώστε να μπορέσουμε να υπολογίσουμε τα χαρακτηριστικά του ατόμου, όπως ανίχνευση πτώσης. Στο πλαίσιο της πτυχιακής θα γίνει υλοποίηση και αξιολόγηση αλγορίθμων εξαγωγής φόντου.
• Ανάπτυξη Εφαρμογής Συλλογής και Επεξεργασίας Βιοιατρικών Δεδομένων σε Υποδομή Νέφους.
  Τα υπολογιστικά νέφη ως σύνολο ασφαλών εικονικών εξυπηρετητών, όπου έχουν αποθηκευθεί –προσβάσιμα μέσω διαδικτύου- δεδομένα κι εφαρμογές, ευνοούν την εικονική διασύνδεση μονάδων παροχής υπηρεσιών υγείας, την υψηλή ασφάλεια, ποιότητα κι ευελιξία, αφού περιλαμβάνουν υπολογιστικές πηγές που υπάρχει η δυνατότητα δυναμικής διαχείρισης τους, προσδιορισμού, διάθεσης, υποστήριξης και προσαρμογής τους στις μεταβαλλόμενες απαιτήσεις. Στον κλάδο των ψηφιακών υπηρεσιών υγείας, όπου υπάρχουν μεγάλες ποσότητες πληροφοριών που πρέπει να είναι διαθέσιμες για ανταλλαγή όταν ζητούνται, η τεχνολογία των υπολογιστικών νεφών συμβάλλει στην αποτελεσματικότερη διαχείριση από τους οργανισμούς παροχής υπηρεσιών υγείας του υλικού και του λογισμικού τους, καθώς και στην αύξηση της αποδοτικότητας τους και τη μείωση του κόστους. Η Microsoft και η Google έχουν επενδύσει στα υπολογιστικά νέφη, αφού έχουν επεκτείνει τις παροχές τους σε ότι αφορά υπηρεσίες αποθήκευσης και επεξεργασίας δεδομένων από αισθητήρες. Επίσης, δίνεται η δυνατότητα απόκτησης ανοικτού λογισμικού υλοποίησης ιδιωτικών ή δημόσιων υπο ογιστικών νεφών, όπως παραδείγματος χάριν το Sun Open Cloud Platform. Πιο συγκεκριμένα, υπάρχουν αρκετά παραδείγματα από εφαρμογές που παρέχουν τις δυνατότητες του τεχνολογικού υποβάθρου των υπολογιστικών νεφών στον τομέα της υγείας. Στόχος της διπλωματικής είναι η μελέτη της υπάρχουσας κατάστασης και η ανάπτυξη πιλοτικής εφαρμογής αποθήκευσης και επεξεργασίας δεδομένων από αισθητήρες σε υποδομή υπολογιστικού νέφους.
• Ανάλυση εικόνων μικροσκοπίου για την αναγνώριση και ποσοτικοποίηση παθήσεων.
  Η ανάπτυξη υπολογιστικών συστημάτων για την αυτοματοποιημένη διάγνωση από ιατρικές εικόνες αποτελεί ένα πεδίο έντονης επιστημονικής έρευνας τα τελευταία χρόνια. Οι ψηφιακές ιατρικές εικόνες συναντώνται στην συντριπτική πλειοψηφία των διαγνωστικών εργαστηρίων, επιτρέποντας την ευέλικτη διαχείριση τους από υπολογιστικά συστήματα. Ειδικότερα, η ψηφιακή επεξεργασία ιατρικών εικόνων περιλαμβάνει την εφαρμογή τεχνικών εξαγωγής των χαρακτηριστικών περιγραφής των ανθρώπινων ιστών με τρόπο ακριβή και αξιόπιστο (πχ. κατάτμηση). Η αναλυτική περιγραφή των εικόνων μικροσκοπίου με τιμές συγκεκριμένων χαρακτηριστικών είναι δυνατόν να αξιοποιηθούν από μεθόδους αναγνώρισης προτύπων (με χρήση γνωστών ταξινομητών) με στόχο την αυτοματοποιημένη διάγνωση και την ενίσχυση του έργου των ιατρών.
• Εφαρμογή συνεργατικού περιβάλλοντος για την ανταλλαγή ιατρικών απεικονιστικών εξετάσεων και τηλεσυμβουλευτικής.
  Το αντικείμενο των συνεργατικών περιβαλλόντων στο χώρο της ιατρικής απασχολεί αρκετά χρόνια τους επιστήμονες της πληροφορικής υγείας, ωστόσο πρόσφατα η απαιτούμενη δικτυακή τεχνολογία φαίνεται ότι ωρίμασε για να προσφέρει υπηρεσίες σε πραγματικό χρόνο και άμεσης απόκρισης που να ικανοποιούν τις απαιτήσεις των ιατρών. Η βασική λειτουργικότητα του συστήματος που πρέπει να υλοποιηθεί περιγράφεται συνοπτικά στα παρακάτω βήματα: Εγγραφή χρηστών, Πραγματοποίηση κλήσεων και εγκαθίδρυση συνόδου επικοινωνίας, Κάθε ιατρός με την είσοδο του στο σύστημα θα δηλώνει και τη διαθεσιμότητα του να δεχθεί κλήσεις. Σε περίπτωση που κάποιος συνάδελφος του θέλει να μιλήσει μαζί του θα στέλνει αίτημα επικοινωνίας το οποίο θα μπορεί να αποδεχθεί η να απορρίψει. Σε περίπτωση αποδοχής θα εγκαθίσταται αντίστοιχο κανάλι επικοινωνίας και ο ιατρός θα αποκτά πρόσβαση στην απεικονιστική εξέταση που χειρίζεται ο ιατρός που τον κάλεσε. Επικοινωνία με οπτικοακουστικά μέσα (Η εφαρμογή θα δίνει τη δυνατότητα τηλεδιάσκεψης καθώς και ανταλλαγής ηλεκτρονικών μηνυμάτων/αρχείων μέσω αντίστοιχων δικτυακών πρωτοκόλλων (UDP, RTP) και κωδικοποίησης βίντεο (Η.264, VP-8) σε αρχιτεκτονικής peer-to-peer) και Εργαλεία επεξεργασίας των εικόνων. Το συνεργατικό περιβάλλον θα ενισχύεται από εργαλεία μορφοποίησης εικόνων που θα δίνουν τη δυνατότητα στον ιατρό να μορφοποιεί την εικόνα που επιθυμεί και παράλληλα να ενημερώνεται και το άλλο μέρος της συνόδου για τις αλλαγές που πραγματοποίησε και αντίστροφα.
• Εφαρμογή επεξεργασίας σύνθετων συμβάντων για την αναγνώριση γεγονότων σε συστήματα παρακολούθησης ασθενών.
  Τα εργαλεία επεξεργασίας σύνθετων συμβάντων (Complex Event Processing – CEP) αποσκοπούν στην αναγνώριση γεγονότων που αντιστοιχούν στις μετρήσεις σημάτων που προέρχονται από αισθητήρες ή ΒΔ. Στόχος τους είναι η μετατροπή της πληροφορίας που φέρουν τα δεδομένα σε γνώση νεται μέσω διαδικασίας αντιστοίχησης προτύπων (pattern matching) συμβάντων. Τα συμβάντα, όταν αναγνωρισθούν ως πρότυπο κάποιου συγκεκριμένου γεγονότος ενεργοποιούν κάποιο μηχανισμό ή διαδικασία η οποία είναι υπεύθυνη για την προώθηση αυτού του γεγονότος στους κατάλληλους αποδέκτες. Αποτέλεσμα αυτής της διαδικασίας είναι ταχύτερες και αποτελεσματικότερες αποφάσεις και οι μικρότεροι χρόνοι απόκρισης. Τα περισσότερα συστήματα επεξεργασίας σύνθετων συμβάντων για την αντιστοίχηση προτύπου υποστηρίζουν την λογική και χρονική συσχέτιση των συμβάντων, τον κύκλο ζωής ενός συμβάντος και την προώθηση των συμβάντων που ανάγονται σε πρότυπα στους κατάλληλους αποδέκτες. Τα εργαλεία αυτά επιτρέπουν την ραγδαία ανάπτυξη εφαρμογών που επεξεργάζονται μεγάλο πλήθος εισερχόμενων μηνυμάτων ή συμβάντων, ανεξάρτητα από το αν αυτά είναι ιστορικά δεδομένα ή μεταδίδονται σε πραγματικό χρόνο. Φιλτράρουν και αναλύουν τα συμβάντα με ποικίλους τρόπους και ανταποκρίνεται σε συνθήκες που μας ενδιαφέρουν.
• Αναγνώριση χειρονομιών σε ακολουθία εικόνων video.
  Μια από τις πιο δημοφιλείς βιβλιοθήκες για επεξεργασία εικόνας και μηχανική όραση είναι η OPENCV της INTEL. Είναι ανοικτού κώδικα και εκμεταλλεύεται την αρχιτεκτονική του μικροεπεξεργαστή χρησιμοποιώντας εντολές χαμηλού επιπέδου. Μια από τις εφαρμογές που έχουν αναπτυχθεί είναι το HandVu για την αναγνώριση και ανάλυση κινήσεων των χεριών σε ακολουθίες εικόνων (video).
  Επιμέρους στόχοι της εργασίας είναι:
  1. Η εγκατάσταση και λειτουργία της εφαρμογής, που μπορεί να περιλαμβάνει πειραματισμό σε πλατφόρμες Windows – Linux.
  2. Ανάλυση της βασικής αρχιτεκτονικής.
  3. Εξαγωγή συμπερασμάτων δοκιμάζοντας διάφορες μεθόδους για ανίχνευση χεριών στην εικόνα.
  4. Εφαρμογή Παρακολούθησης (tracking) του χεριού
  5. Ανάλυση των κινήσεων και αναγνώριση ομάδων χειρονομιών. Απαιτείται η αναγνώριση τουλάχιστον 5 διαφορετικών χειρονομιών.
  Εναλλακτικά μπορεί να χρησιμοποιηθεί οποιαδήποτε άλλη βιβλιοθήκη επεξεργασίας εικόνας RGB.
• Αναγνώριση χειρονομιών με Χρήση έξυπνου ρολογιού (Smart watch).
  Η αυτόματη αναγνώριση χειρονομιών αποτελεί σημαντικό πεδίο της αλληλεπίδρασης ανθρώπου-υπολογιστή. Μέχρι σήμερα ο βασικός τρόπος αναγνώρισης βασίζεται στην επεξεργασία video. Αντικείμενο αυτής της διπλωματικής εργασίας είναι η χρήση “έξυπνων” ρολογιών (smart watches) που περιέχουν αισθητήρες κίνησης (ενσωματωμένα επιταχυνσιόμετρα) και προσφέρουν δυνατότητες ασύρματης δικτύωσης (κυρίως μέσω bluetooth) σε συνδυασμό με έναν υπολογιστή ή κινητό τηλέφωνο, στο οποίο εκτελείται ένας αλγόριθμος αναγνώρισης κίνησης που μετατρέπει τις κινήσεις του ρολογιού σε προκαθορισμένες ενέργειες στη διεπαφή του υπολογιστή/κινητού. Ο αλγόριθμος που θα υλοποιηθεί θα δέχεται ως είσοδο τις τιμές από τo επιταχυνσιόμετρo και τα γυροσκόπιo του έξυπνου ρολογιού θα χρησιμοποιεί βιβλιοθήκες για την αναγνώριση των προκαθορισμένων κινήσεων όπως για παράδειγμα τις 1$ ή την 3$ gesture recognizers (https://code.google.com/p/three-dollar-gesture-recognizer/).
  
• Εφαρμογή αναγνώρισης ήχων και χαρακτηρισμού μουσικών κομματιών.
• Εφαρμογή δημιουργία περιλήψεων σε ακολουθίες Βίντεο – Video summarization (using attention maps and clustering).
• Ανάπτυξη εφαρμογής για την καταγραφή παρενεργειών φαρμακευτικής αγωγής (Pharmacovigilence).
• Εφαρμογή διαμοιρασμού πολυμεσικής πληροφορίας και προβολής τύπου screensaver / photoframe σε φορητές συσκευές Αndroid ή iOS.
  Στο πλαίσιο της πτυχιακή ζητούμενο είναι η κατασκευή εφαρμογής για φορητές συσκευές Αndroid / IOS η οποία:
  1. Θα επικοινωνεί με server από τον οποίο η φορητή συσκευή θα κατεβάζει ένα JSON μήνυμα με URL από πολυμεσικό υλικό (εικόνες, ήχους, βίντεο κλπ).
  2. Στη συνέχεια θα αποθηκέυει τα πολυμεσικά αρχεία τοπικά και με εφέ θα τις δείχνει στην οθόνη όπου θα είναι συνεχώς αναμμένη.
  3. Περιοδικά θα ανανεώνει το JSON αρχείο και θα κατεβάζει τα νέα πολυμεσικά δεδομένα ή/και θα διαγράφει αυτά που δεν υπάρχουν πια.

  Ως υπόδειξη προτείνεται η χρήση του λογισμικού στο https://github.com/nostra13/Android-Universal-Image-Loader.

• Αναγνώριση δραστηριότητας & επειγόντων περιστατικών με τη χρήση αισθητήρων ενεργειακής κατανάλωσης.
  Η χρήση της τηλεϊατρικής και της τηλεφροντίδας στο σπίτι (homecare) έχει βελτιώσει σημαντικά την αναγνώριση και διαχείριση επειγόντων περιστατικών. Οι πιο διαδεδομένες μέθοδοι αφορούν κυρίως τη χρήση σύγχρονων πρωτοκόλλων επικοινωνίας, που εγκαθίστανται στον ιατρικό εξοπλισμό, επιτρέποντας την real-time ενημέρωση και επικοινωνία μεταξύ του ιατρικού προσωπικού και των ασθενών. Οι μέθοδοι αυτοί έχουν ενισχύουν σταδιακά τα πεδία εφαρμογής τους καθώς και την αποτελεσματικότητα τους. Η διπλωματική αυτή στοχεύει να εξετάσει πως η χρήση εναλλακτικών και συμπληρωματικών πληροφοριών, όπως η ενεργειακή κατανάλωση, μπορεί να παρέχει κρίσιμες πληροφορίες για επείγοντα περιστατικά ενισχύοντας καταλυτικά την αξιοπιστία της τηλεϊατρικής. Για το λόγο αυτό θα υλοποιηθεί πιλοτική εγκατάσταση σε οικίες ασθενών, οι οποίες μετρούν real-time την ενεργειακή κατανάλωση. Οι μετρήσεις πραγματοποιούνται μέσω επαγωγικών αισθητήρων, οι  οποίοι συνδέονται με πομπό για τη μεταφορά των δεδομένων σε ένα energy data hub, το οποίο με τη σειρά του συνδέεται με το δρομολογητή (router) διαδικτύου στην οικία. Έτσι τα δεδομένα είναι προσβάσιμα σε on-line εφα ρμογή, ενώ παράλληλα είναι εφικτή η ανάκτηση και επεξεργασία ιστορικών δεδομένων. Η διπλωματική στοχεύει στο να αναπτύξει μεθοδολογία απόκτησης, επεξεργασίας και ανάλυσης των δεδομένων ενεργειακής κατανάλωσης, προκειμένου να είναι εφικτή η αναγνώριση δραστηριότητας και επειγόντων περιστατικών.
• Αναγνώριση της ταυτότητας με τη χρήση φωτοπληθυσμογραφήματος (PGP).
  Η αξιοποίηση του φωτοπληθυσμογραφικού σήματος (photoplethysmographic – PPG) που παράγουν τα παλμικά οξύμετρα για τη βιομετρική ταυτοποίηση αντιπροσωπεύει μια νέα προσέγγιση στον τομέα της ασφαλούς ελέγχου ταυτότητας. Η απόκτηση σημάτων PPG μπορεί εύκολα να επιτευχθεί απο τις αντίστοιχες συσκευές με σχετικά χαμηλό κόστος. Η εργασία στοχεύει στη ανάπτυξη εφαρμογής για φορητές συσκευές για την βιομετρική αναγνώριση με την παραπάνω μέθοδο. Η εργασία περιλαμβάνει την επισκόπηση της σχετικής βιβλιογραφία και των  μεθόδων επεξεργασίας σήματος PPG σήματα ενός ατόμου για τη χρήση του ως βιομετρικό χαρακτηριστικό. Επίσης αφορά στην ανάπτυξη εφαρμογής σε κινητή συσκευή για την επικοινωνία μεσω πρωτοκόλλου BLE με παλμικό οξύμετρο για την συλλογή του PPG και τοπική επεξεργασία ή αποστολή σε εξυπηρετητή.
• Εφαρμογή Αναγνώρισης Συναισθηματικής για την Παρακολουθηση της Άνοιας.
  Η συναισθηματική υπολογιστική (affective computing) ορίζεται ως το πεδίο εκείνο της επιστήμης των υπολογιστών που αφορά, προκύπτει από, ή επηρεάζει σκόπιμα το συναισθηματικό μας κόσμο. Στόχος της εργασίας είναι η ανάπτυξη εφαρμογής για φορητές συσκευές για την αναγνώριση των συναισθηματικών καταστάσεων για την αναγνωριση παθολογικών καταστάσεων (π.χ. Alzheimer) και την παρακολούθηση θεραπειών απο φωτογραφίες που θα λαμβάνονται με την κάμερα ρτου κινητού. Η εργασία αφορά την ανάπτυξη εφαρμογής με χρήση βιβλιοθηκών (API) που θα δοθει στο φοιτητή. Το γραφικό περιβάλλον θα επιτρέπει τη λήψη φωτογραφίας απο την κάμερα κινητού ή ταμπλέτας και την επικοινωνία με το προγραμματιστικό API για την εξαγωγή του διανύσματος με τα βασικά συναισθήματα. Οι σχετικές μετρήσεις θα αποθηκεύονται σε τοπική βάση στην κινητή συσκευή και θα εξαγονται σχετικά στατιστικά.