Navigasjon

  • Hopp til innhold
NTNU Hjemmeside NTNU Hjemmeside

ntnu.no

  • Studier
    • Studere på NTNU
    • Finn studieprogram
    • Søke opptak
    • Videreutdanning og deltid
    • Forkurs og oppfriskning
  • Studentliv
    • Student i Gjøvik
    • Student i Trondheim
    • Student i Ålesund
  • Forskning og innovasjon
    • Forskning
    • Innovasjon
    • Satsingsområder
    • Toppforskning
    • Ekspertlister
    • Ph.d.
  • Om NTNU
    • Fakulteter og institutter
    • Sentre
    • Bibliotek
    • Kart
    • Ledige stillinger
    • Arrangement
    • Nyheter
    • Kontakt oss
    • Om NTNU
  1. Ansatte

Språkvelger

English

Daniel Groos

Last ned pressefoto
Last ned pressefoto
Foto:

Daniel Groos

Forsker, PhD
Institutt for datateknologi og informatikk

daniel.groos@ntnu.no
Google Scholar
Om Publikasjoner Formidling

Om

  • Utvikling av maskinlæringsmodeller for video-basert bevegelsestracking og tidlig prediksjon av cerebral parese
  • Tverrfaglig samarbeid mellom NTNU (IKOM, INB og IDI), St. Olavs hospital (Klinikk for kliniske servicefunksjoner og Nyfødt intensiv) og Norwegian Open AI Lab
  • Analyse av bevegelser i golf og baseball med Initial Force og kinematisk analyse av skihoppere i samarbeid med Senter for Toppidrettsforskning og Olympiatoppen
  • Oppfinner av dyplæringsmetoder for bevegelsestracking og tidlig deteksjon av cerebral parese

 

  • Deep Learning
  • Computer Vision
  • Convolutional Neural Networks
  • Graph Convolutional Networks
  • Human Activity Recognition
  • Human Pose Estimation
  • Supervised Learning
  • Transfer Learning
  • Explainable Artificial Intelligence

 

  • Doktorgrad i medisinsk teknologi fra NTNU (2018-2022)
  • Sivilingeniør i datateknikk fra NTNU (2013-2018)
  • Spesialisering innen kunstig intelligens

 

Kompetanseord

  • Datasyn
  • Deep learning
  • Kunstig intelligens
  • Maskinlæring
  • Movement science
  • Nevrale nettverk
  • Sports science

Publikasjoner

  • Kronologisk
  • Etter kategori
  • Se alle publikasjoner i Cristin

2022

  • Groos, Daniel. (2022) Convolutional networks for video-based infant movement analysis: Towards objective prognosis of cerebral palsy from infant spontaneous movements. Doctoral theses at NTNU (2022:191)
    Doktorgradsavhandling
  • Groos, Daniel; Adde, Lars; Støen, Ragnhild; Ramampiaro, Heri; Ihlen, Espen Alexander F.. (2022) Towards human-level performance on automatic pose estimation of infant spontaneous movements. Computerized Medical Imaging and Graphics
    Vitenskapelig artikkel
  • Groos, Daniel; Adde, Lars; Aubert, Sindre Aarnes; Boswell, Lynn; De Regnier, Raye-Ann; Fjørtoft, Toril Larsson. (2022) Development and Validation of a Deep Learning Method to Predict Cerebral Palsy from Spontaneous Movements in Infants at High Risk. JAMA Network Open
    Vitenskapelig artikkel

2021

  • Groos, Daniel; Adde, Lars; Støen, Ragnhild; Ramampiaro, Heri; Ihlen, Espen Alexander F.. (2021) New automatic, efficient, and highly precise tracking of infant spontaneous movements. Developmental Medicine & Child Neurology
    Sammendrag/abstract
  • Groos, Daniel; Adde, Lars; Aubert, Sindre Aarnes; Haukeland, Andreas; Ramampiaro, Heri; Støen, Ragnhild. (2021) Fully automated clinical movement analysis from videos using skeleton-based deep learning. Gait & Posture
    Sammendrag/abstract
  • Elfmark, Ola; Ettema, Gertjan; Groos, Daniel; Ihlen, Espen Alexander F.; Velta, Rune; Haugen, Per. (2021) Performance analysis in ski jumping with a differential global navigation satellite system and video-based pose estimation. Sensors
    Vitenskapelig artikkel
  • Adde, Lars; Brown, Annemette; van den Broeck, Christine; DeCoen, Kris; Eriksen, Beate Horsberg; Fjørtoft, Toril Larsson. (2021) In-Motion-App for remote General Movement Assessment: a multi-site observational study. BMJ Open
    Vitenskapelig artikkel

2020

  • Groos, Daniel; Adde, Lars; Ihlen, Espen Alexander F.. (2020) Approaching human precision on automatic markerless tracking of human movements. Gait & Posture
    Sammendrag/abstract
  • Groos, Daniel; Ramampiaro, Heri; Ihlen, Espen Alexander F.. (2020) EfficientPose: Scalable single-person pose estimation. Applied intelligence (Boston)
    Vitenskapelig artikkel

2019

  • Groos, Daniel; Aurlien, Kristian; Ramampiaro, Heri; Ihlen, Espen Alexander F.; deRegnier, RA; Peyton, Colleen. (2019) Deep Learning‐based infant motion tracking facilitating early detection of cerebral palsy. Developmental Medicine & Child Neurology
    Sammendrag/abstract

2018

  • Groos, Daniel; Aurlien, Kristian. (2018) Infant body part tracking in videos using Deep Learning. NTNU
    Mastergradsoppgave

Tidsskriftspublikasjoner

  • Groos, Daniel; Adde, Lars; Støen, Ragnhild; Ramampiaro, Heri; Ihlen, Espen Alexander F.. (2022) Towards human-level performance on automatic pose estimation of infant spontaneous movements. Computerized Medical Imaging and Graphics
    Vitenskapelig artikkel
  • Groos, Daniel; Adde, Lars; Aubert, Sindre Aarnes; Boswell, Lynn; De Regnier, Raye-Ann; Fjørtoft, Toril Larsson. (2022) Development and Validation of a Deep Learning Method to Predict Cerebral Palsy from Spontaneous Movements in Infants at High Risk. JAMA Network Open
    Vitenskapelig artikkel
  • Groos, Daniel; Adde, Lars; Støen, Ragnhild; Ramampiaro, Heri; Ihlen, Espen Alexander F.. (2021) New automatic, efficient, and highly precise tracking of infant spontaneous movements. Developmental Medicine & Child Neurology
    Sammendrag/abstract
  • Groos, Daniel; Adde, Lars; Aubert, Sindre Aarnes; Haukeland, Andreas; Ramampiaro, Heri; Støen, Ragnhild. (2021) Fully automated clinical movement analysis from videos using skeleton-based deep learning. Gait & Posture
    Sammendrag/abstract
  • Elfmark, Ola; Ettema, Gertjan; Groos, Daniel; Ihlen, Espen Alexander F.; Velta, Rune; Haugen, Per. (2021) Performance analysis in ski jumping with a differential global navigation satellite system and video-based pose estimation. Sensors
    Vitenskapelig artikkel
  • Adde, Lars; Brown, Annemette; van den Broeck, Christine; DeCoen, Kris; Eriksen, Beate Horsberg; Fjørtoft, Toril Larsson. (2021) In-Motion-App for remote General Movement Assessment: a multi-site observational study. BMJ Open
    Vitenskapelig artikkel
  • Groos, Daniel; Adde, Lars; Ihlen, Espen Alexander F.. (2020) Approaching human precision on automatic markerless tracking of human movements. Gait & Posture
    Sammendrag/abstract
  • Groos, Daniel; Ramampiaro, Heri; Ihlen, Espen Alexander F.. (2020) EfficientPose: Scalable single-person pose estimation. Applied intelligence (Boston)
    Vitenskapelig artikkel
  • Groos, Daniel; Aurlien, Kristian; Ramampiaro, Heri; Ihlen, Espen Alexander F.; deRegnier, RA; Peyton, Colleen. (2019) Deep Learning‐based infant motion tracking facilitating early detection of cerebral palsy. Developmental Medicine & Child Neurology
    Sammendrag/abstract

Rapport

  • Groos, Daniel. (2022) Convolutional networks for video-based infant movement analysis: Towards objective prognosis of cerebral palsy from infant spontaneous movements. Doctoral theses at NTNU (2022:191)
    Doktorgradsavhandling
  • Groos, Daniel; Aurlien, Kristian. (2018) Infant body part tracking in videos using Deep Learning. NTNU
    Mastergradsoppgave

Formidling

2021

  • Vitenskapelig foredrag
    Groos, Daniel; Adde, Lars; Støen, Ragnhild; Ramampiaro, Heri; Ihlen, Espen Alexander F.. (2021) New automatic, efficient, and highly precise tracking of infant spontaneous movements. European Academy of Childhood Disability European Academy of Childhood Disability 2021 , Virtual 2021-05-20 - 2021-06-10
  • Vitenskapelig foredrag
    Groos, Daniel; Adde, Lars; Aubert, Sindre Aarnes; Haukeland, Andreas; Ramampiaro, Heri; Støen, Ragnhild. (2021) Fully automated clinical movement analysis from videos using skeleton-based deep learning. European Society of Movement Analysis for Adults & Children ESMAC 2021 2021-10-14 - 2021-10-15

2020

  • Vitenskapelig foredrag
    Groos, Daniel; Adde, Lars; Ihlen, Espen Alexander F.. (2020) Approaching human precision on automatic markerless tracking of human movements. European Society of Movement Analysis for Adults & Children Virtual ESMAC 2020 2020-09-17 -

2019

  • Poster
    Groos, Daniel; Aurlien, Kristian; Ramampiaro, Heri; Ihlen, Espen Alexander F.; deRegnier, RA; Peyton, Colleen. (2019) Deep Learning-based infant motion tracking facilitating early detection of cerebral palsy. European Academy of Childhood Disability European Academy of Childhood Disability 2019 , Paris 2019-05-23 - 2019-05-25

NTNU – Norges teknisk-naturvitenskapelige universitet

  • For ansatte
  • |
  • For studenter
  • |
  • Innsida
  • |
  • Blackboard

Studere

  • Om studier
  • Studieprogram
  • Emner
  • Videreutdanning
  • Karriere

Aktuelt

  • Nyheter
  • Arrangement
  • Jobbe ved NTNU

Om NTNU

  • Om NTNU
  • Bibliotek
  • Strategi
  • Forskning
  • Satsingsområder
  • Innovasjon
  • Organisasjonskart
  • Utdanningskvalitet

Kontakt

  • Kontakt oss
  • Finn ansatte
  • Spør en ekspert
  • Pressekontakter
  • Kart

NTNU i tre byer

  • NTNU i Gjøvik
  • NTNU i Trondheim
  • NTNU i Ålesund

Om nettstedet

  • Bruk av informasjonskapsler
  • Tilgjengelighetserklæring
  • Personvern
  • Ansvarlig redaktør
Facebook Instagram Linkedin Snapchat Tiktok Youtube
Logg inn
NTNU logo