Femke Ongenae

Femke Ongenae

Mijn onderzoek focust zich op data science om het profiel, context en levensstijl van een persoon in kaart te brengen op basis van verzamelde sensorinformatie, bv. van een wearable of smartphone. Deze informatie wordt gecombineerd met (medische) expertise voor optimaliseren van de opvolging en behandeling van (chronische) ziektes, zoals stress, migraine, depressie en epilepsie.

Bekijk publicaties Neem contact op

Meer info

Femke Ongenae is 10% Assistent Professor bij de IDLab onderzoeksgroep van de Faculteit Ingenieurswetenschappen en architectuur (FEA) van de UGent (sinds 2019). Daarnaast is ze ook 100% post-doctoraal onderzoeker, project manager en team lead bij IDLab-UGent en imec, een en wereldvermaard onderzoekscentrum voor nano-elektronica en digitale technologie (sinds 2013).

Ze ontving haar doctoraat in computerwetenschappen in augustus 2013. In haar doctoraat onderzocht ze hoe expertkennis van gezondheidszorgactoren kon gebruikt worden voor het optimaliseren van beslissingsondersteunende computersystemen voor de zorg. Hierbij ontwikkelde ze verschillende technieken en algoritmes om deze expertkennis te modelleren in kennismodellen (genaamd ontologieĆ«n) en hoe deze automatisch konden aangewend worden het ontwikkelen van intelligentere algoritmes. Gedurende deze tijd was Femke actief op verschillende eZorg projecten, in samenwerking met verschillende gezondheidszorgactoren (woonzorgcentra, ziekenhuizen,ā€¦) en industriĆ«le partners.

Als professor aan de UGent leidt Femke het Knowledge Management (KM) team van IDLab. Dit team bestaat uit een tiental onderzoekers die onderzoek verrichten naar: a) het incorporeren van (medische) expertkennis in data analytics algoritmes, b) het extraheren van inzichten in de activiteiten, levensstijl en context van een persoon op basis van (medische) sensordata en wearables, c) het afleiden van correlaties/triggers tussen gedrag/profiel/context van een persoon en bepaalde events of symptomen die zich voor doen, d) hybrid AI, waarbij kennisgedreven (bv. ontologieƫn) en datagedreven (machine learning) systemen elkaar aanvullen, e) interpreteerbare AI, die begrijpbaar is voor (medische) domeinexperten, f) schaalbare semantische redeneertechnieken die zorgen dat de AI op een schaalbare manier de grote stroom aan (medische) sensordata kan verwerken.

Persoonlijk zelf doet ze ook nog onderzoek naar methodologieƫn voor het optimaal vatten van (medische) expertkennis in ontologieƫn op een efficiƫnte manier voor de domeinexperten. Haar onderzoek en dat van het team wordt hoofdzakelijk toegepast op gezondheidszorg en industry 4.0 toepassingen voor het realiseren van contextgevoelige en gepersonaliseerde beslissingsondersteunende systemen. Een grote passie van Femke is nauw samen werken met verschillende actoren uit het werkveld en de industrie. Ze is dan ook zeer bedreven in het opzetten en leiden van verschillende interdisciplinaire projecten. Ze gelooft ook sterk in het herbruikbaar en open beschikbaar stellen van de ontwikkelde software-projecten en expertmodellen van haar team, bv. de ACCIO ontologie voor het modelleren van gezondheidszorgkennis en -data binnen de continue zorg. Daarnaast is Femke moeder van twee kinderen, Skyler (2012) en Luna (2014), en een Gryffindor in hart en nieren.

Meer informatie over haar projecten, team en publicaties kan u vinden op haar website.


Follow us

Website

Repository met alle vrij beschikbare software van mijn team

Twitter

LinkedIn

Youtube (persoonlijk)

Youtube (IDLab)