BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//ΔΙΪΔΡΥΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:ΔΙΪΔΡΥΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ
X-ORIGINAL-URL:https://clinextech.phyed.duth.gr
X-WR-CALDESC:Events for ΔΙΪΔΡΥΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Helsinki
BEGIN:DAYLIGHT
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0300
TZOFFSETTO:+0200
TZNAME:EET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0300
TZOFFSETTO:+0200
TZNAME:EET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0300
TZOFFSETTO:+0200
TZNAME:EET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Helsinki:20260517T120000
DTEND;TZID=Europe/Helsinki:20260517T130000
DTSTAMP:20260715T162436
CREATED:20260504T062606Z
LAST-MODIFIED:20260504T062606Z
UID:12928-1779019200-1779022800@clinextech.phyed.duth.gr
SUMMARY:Artificial Intelligence in Health and Sports Science: Machine Learning\, Computer Vision\, and Explainable Decision-Making Systems
DESCRIPTION:  \n\n\n\n\n \n\n\n\n  \nInter-Institutional Postgraduate Program: “Clinical Exercise and Applications of Technology in Health” \nof the Department of Physical Education and Sport of the School of Physical Education and Sport Science of Democritus University of Thrace in collaboration with the National Center for Science Research “DEMOKRITOS” – The Institute of Informatics and Telecommunications (IIT) \n  \nRound Table \nArtificial Intelligence in Health and Sports Science: Machine Learning\, Computer Vision\, and Explainable Decision-Making Systems \n  \nDate: Sunday 17th May 2026 \nTime: 12.00 – 13.30 \nVenue: Amphitheater ‘’Georgios Papadriellis’’ \n  \nAbstract: \nThis Round Table explores contemporary applications of Artificial Intelligence (AI) in health and sports science through three equal and interrelated thematic axes\, highlighting the transition toward intelligent\, proactive\, and explainable decision-support systems. \nThe first axis addresses the fundamental principles of machine learning\, with emphasis on supervised learning and model interpretability as essential factors for trust\, transparency\, and adoption in clinical and applied environments. \nThe second axis focuses on deep learning and computer vision for analyzing human motion and behavior\, including human and object detection\, pose estimation for fall prediction\, human activity recognition\, and facial analysis for emotion and fatigue assessment through landmark-based methods. \nThe third axis examines the transformation of sports science through AI\, where the integration of computer vision\, wearable technologies\, and generative AI enables proactive performance monitoring\, injury prevention\, and enhanced coaching workflows. \nOverall\, the panel highlights a unified human–machine collaboration framework in which Artificial Intelligence supports rather than replaces scientific and professional decision-making. \n  \nChair: \nNikolaos Vernadakis\, Professor\, Department of Physical Education and Sport Science\, Democritus University of Thrace \nMaria Giannousi\, Assistant Professor\, Department of Physical Education and Sport Science\, Democritus University of Thrace \n  \nSpeakers: \nGeorge Panayiotou\, Associate Professor of Sport and Exercise Physiology\, School of Sciences\, Department of Life Sciences\, European University Cyprus\, Nicosia\, Cyprus \nThe Transformation of Sports Science through Artificial Intelligence: Machine Learning\, Computer Vision\, and Generative AI in Proactive Decision-Making \nAbstract: Sports science is rapidly evolving through Artificial Intelligence (AI)\, marking a critical shift from reactive “sense and respond” models to proactive “predict and act” strategies. The integration of wearable sensors and emerging Computer Vision technologies for markerless motion capture enables continuous performance monitoring and injury prevention with unprecedented accuracy. Concurrently\, the advent of Generative AI optimizes the visualization of complex physiological data\, while Large Language Models (LLMs) automate coaching workflows. The successful application of these technologies requires addressing challenges such as ensuring data integrity and adopting Explainable AI (XAI) to foster trust. The ultimate objective remains the enhancement of Human-AI teaming\, where technology augments rather than replaces the practitioner’s critical judgment. \n  \nIoannis Kansizoglou\, Assistant Professor at the Department of Occupational Therapy\, School of Physical Education\, Sport Science and Occupational Therapy\, Democritus University of Thrace \nChristos Kokkotis\, Assistant Professor at the Department of Occupational Therapy\, School of Physical Education\, Sport Science and Occupational Therapy\, Democritus University of Thrace \n  \nSpeakers CV’s  \nGeorge Panagiotou is an academic at the rank of Associate Professor and serves as Coordinator of the Exercise\, Health and Human Performance Laboratory as well as the Master’s Programme in Applied Sport Science at the Department of Life Sciences\, Faculty of Pure and Applied Sciences\, European University Cyprus. He specializes in the assessment and analysis of athletic performance in football and in high-performance sport more broadly. Over the past 20 years\, he has collaborated with numerous football clubs in Cyprus and abroad. He has served as Exercise Physiologist and Director of Medical and Scientific Staff at AEL Limassol (2008–2014) and at AC Omonia Nicosia (2018–2019). \nIoannis Kansizoglou is an Assistant Professor at the Department of Occupational Therapy\, School of Physical Education\, Sport Science and Occupational Therapy\, Democritus University of Thrace. He received his Diploma in Electrical and Computer Engineering from the Aristotle University of Thessaloniki in 2017 and his Ph.D. in deep representation learning and affective computing from the Laboratory of Robotics and Automation\, DUTH\, in 2021. He has previously served as a Postdoctoral Researcher at the same laboratory\, contributing to projects funded by the European Commission and the Greek Government. His research interests include assistive technologies\, affective computing\, human–computer interaction\, and robotics. \nChristos Kokkotis is an Assistant Professor at the Department of Occupational Therapy\, School of Physical Education\, Sport Science and Occupational Therapy\, Democritus University of Thrace. He holds a PhD in Machine Learning applications in Quality of Life from the University of Thessaly. His research focuses on motion analysis\, time-series data\, and the development of machine learning and deep learning models in healthcare and rehabilitation. He has worked on applications including knee osteoarthritis prediction\, stroke recovery\, and ACL rehabilitation monitoring. He has also contributed to research projects at CERTH within the OActive and SafeACL programs. Dr. Kokkotis is actively involved in Horizon-funded projects and his work aims to bridge AI and clinical practice through interpretable and data-driven solutions.
URL:https://clinextech.phyed.duth.gr/event/artificial-intelligence-in-health-and-sports-science-machine-learning-computer-vision-and-explainable-decision-making-systems/
LOCATION:Κεντρικό Αμφιθέατρο ‘’Γεώργιος Παπαδριέλλης’’ Σχολής Επιστήμης Φυσικής Αγωγής & Αθλητισμού\, Τ.Ε.Φ.Α.Α. – Δ.Π.Θ.\, Πανεπιστημιούπολη  Κομοτηνη\, Τ.Ε.Φ.Α.Α. – Δ.Π.Θ.\, Πανεπιστημιούπολη\, κομοτηνη\, Greece
CATEGORIES:Postgraduate Events
ATTACH;FMTTYPE=image/jpeg:https://clinextech.phyed.duth.gr/wp-content/uploads/2026/05/03_ΑΦΙΣΑ_ROUNS-TABLE-AI.jpg
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Helsinki:20260517T120000
DTEND;TZID=Europe/Helsinki:20260517T133000
DTSTAMP:20260715T162436
CREATED:20260504T062537Z
LAST-MODIFIED:20260513T082951Z
UID:12924-1779019200-1779024600@clinextech.phyed.duth.gr
SUMMARY:Τεχνητή Νοημοσύνη στην Υγεία και την Αθλητική Επιστήμη: Μηχανική Μάθηση\, Υπολογιστική Όραση και Επεξηγήσιμα Συστήματα Λήψης Αποφάσεων
DESCRIPTION: \n\n\n\n  \nΔιϊδρυματικό Πρόγραμμα Μεταπτυχιακών Σπουδών: «Κλινική Άσκηση και Εφαρμογές της Τεχνολογίας στην Υγεία» \nτου Τμήματος Επιστήμης Φυσικής Αγωγής και Αθλητισμού της Σχολής Επιστήμης Φυσικής Αγωγής\, Αθλητισμού και Εργοθεραπείας του Δημοκριτείου Πανεπιστημίου Θράκης σε συνεργασία με το Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών «ΔΗΜΟΚΡΙΤΟΣ» – Ινστιτούτο Πληροφορικής και Τηλεπικοινωνίων \n  \n  \nΣΤΡΟΓΓΥΛΗ ΤΡΑΠΕΖΑ \nΤεχνητή Νοημοσύνη στην Υγεία και την Αθλητική Επιστήμη: Μηχανική Μάθηση\, Υπολογιστική Όραση και Επεξηγήσιμα Συστήματα Λήψης Αποφάσεων \n  \nΗμερομηνία: Κυριακή 17 Μαΐου 2026 \nΏρα: 12.00 – 13.30 \nΧώρος: Αμφιθέατρο ‘’Γεώργιος Παπαδριέλλης’’ \n  \nΠερίληψη: \nΗ παρούσα στρογγυλή τράπεζα εξετάζει τις σύγχρονες εφαρμογές της Τεχνητής Νοημοσύνης (ΤΝ) στην υγεία και την αθλητική επιστήμη μέσα από τρεις ισότιμους και αλληλένδετους θεματικούς άξονες\, οι οποίοι αναδεικνύουν τη μετάβαση προς πιο ευφυή\, προληπτικά και επεξηγήσιμα συστήματα υποστήριξης αποφάσεων. Ο πρώτος άξονας αφορά τις θεμελιώδεις αρχές της μηχανικής μάθησης\, με έμφαση στην επιβλεπόμενη μάθηση και στην ερμηνευσιμότητα των μοντέλων\, στοιχείο κρίσιμο για την αξιοπιστία και την υιοθέτηση των συστημάτων σε κλινικά και εφαρμοσμένα περιβάλλοντα. Ο δεύτερος άξονας επικεντρώνεται στη βαθιά μάθηση και την υπολογιστική όραση για την ανάλυση ανθρώπινης κίνησης και συμπεριφοράς. Περιλαμβάνει τεχνικές ανίχνευσης ανθρώπων και αντικειμένων\, εκτίμησης στάσης σώματος για πρόβλεψη πτώσεων\, αναγνώρισης δραστηριοτήτων\, καθώς και ανάλυσης προσώπου για εκτίμηση συναισθημάτων και κόπωσης μέσω εξαγωγής χαρακτηριστικών σημείων. Ο τρίτος άξονας εξετάζει τον μετασχηματισμό της αθλητικής επιστήμης μέσω της ΤΝ\, όπου η ενσωμάτωση υπολογιστικής όρασης\, φορητών τεχνολογιών και παραγωγικής ΤΝ επιτρέπει την προληπτική παρακολούθηση της απόδοσης\, την πρόληψη τραυματισμών και την υποστήριξη της προπονητικής διαδικασίας. Συνολικά\, αναδεικνύεται ένα ενιαίο πλαίσιο συνεργασίας ανθρώπου και μηχανής\, στο οποίο η ΤΝ λειτουργεί υποστηρικτικά προς την επιστημονική και επαγγελματική λήψη αποφάσεων\, χωρίς να την αντικαθιστά. \n  \nΠροεδρείο: \nΒερναδάκης Νικόλαος\, Καθηγητής Τ.Ε.Φ.Α.Α. – Δ.Π.Θ. \nΓιαννούση Μαρία\, Επίκουρη Καθηγήτρια Τ.Ε.Φ.Α.Α. – Δ.Π.Θ. \n  \nΟμιλητές: \nΓιώργος Παναγιώτου\, Αναπληρωτής Καθηγητής Εργοφυσιολογίας\, Σχολή Θετικών Επιστημών\, Τμήμα Επιστημών Ζωής\, Ευρωπαϊκό Πανεπιστήμιο Κύπρου\, Λευκωσία\, Κύπρος \nΟ Μετασχηματισμός της Αθλητικής Επιστήμης μέσω της Τεχνητής Νοημοσύνης: Μηχανική Μάθηση\, Υπολογιστική Όραση και Παραγωγική ΤΝ στην Προληπτική Λήψη Αποφάσεων \nΠερίληψη: Η αθλητική επιστήμη εξελίσσεται ταχέως μέσω της Τεχνητής Νοημοσύνης (AI)\, σημειώνοντας μια κρίσιμη μετάβαση από τη διαγνωστική λήψη αποφάσεων σε προληπτικές στρατηγικές (“πρόγνωση και δράση”). Η ενσωμάτωση φορητών συσκευών και\, πλέον\, τεχνολογιών Υπολογιστικής Όρασης (Computer Vision) για ανάλυση κίνησης χωρίς αισθητήρες\, επιτρέπει τη συνεχή παρακολούθηση της απόδοσης και την πρόληψη τραυματισμών με πρωτοφανή ακρίβεια. Παράλληλα\, η έλευση της Παραγωγικής Τεχνητής Νοημοσύνης βελτιστοποιεί την οπτικοποίηση πολύπλοκων φυσιολογικών δεδομένων\, ενώ τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) αυτοματοποιούν τις ροές εργασίας των προπονητών. Η επιτυχής εφαρμογή αυτών των τεχνολογιών απαιτεί την αντιμετώπιση προκλήσεων όπως η ακεραιότητα των δεδομένων και η υιοθέτηση της Επεξηγήσιμης Τεχνητής Νοημοσύνης (XAI) για την οικοδόμηση εμπιστοσύνης. Ο τελικός στόχος παραμένει η ενίσχυση της συνεργασίας Ανθρώπου-Μηχανής\, όπου η τεχνολογία επαυξάνει\, αντί να αντικαθιστά\, την κριτική ικανότητα του επιστήμονα. \n  \nΙωάννης Κανσίζογλου\, Επίκουρος Καθηγητής στο Τμήμα Εργοθεραπείας\, της Σχολής Επιστήμης Φυσικής Αγωγής\, Αθλητισμού και Εργοθεραπείας\, Δημοκρίτειο Πανεπιστήμιο Θράκης \n  \nΧρήστος Κοκκότης\, Επίκουρος Καθηγητής στο Τμήμα Εργοθεραπείας\, της Σχολής Επιστήμης Φυσικής Αγωγής\, Αθλητισμού και Εργοθεραπείας\, Δημοκρίτειο Πανεπιστήμιο Θράκης \n  \nΒιογραφικά σημειώματα \nΟ Γιώργος Παναγιώτου είναι Αναπληρωτής Καθηγητής και Ακαδημαϊκός Συντονιστής του Εργαστηρίου Άσκησης\, Υγείας και Ανθρώπινης Απόδοσης και του Μεταπτυχιακού Προγράμματος Εφαρμοσμένης Αθλητικής Επιστήμης του Τμήματος Επιστημών Ζωής\, της Σχολής Θετικών Επιστημών\, του Ευρωπαϊκού Πανεπιστημίου Κύπρου. Εξειδικεύεται στον προσδιορισμό και ανάλυση της αθλητικής απόδοσης στο ποδόσφαιρο και γενικότερα στον ευρύτερο αθλητισμό υψηλού επιπέδου. Τα τελευταία 20 χρόνια\, έχει συνεργαστεί με πληθώρα αθλητικών ποδοσφαιρικών σωματείων κυρίως στην Κύπρο αλλά και στο εξωτερικό\, ενώ διατέλεσε Εργοφυσιολόγος και Διευθυντής Ιατρικών & Επιστημονικών Επιτελείων στην «ΑΕΛ Λεμεσού» (2008 – 2014) και στην «Ομόνοια Λευκωσίας» (2018 -2019). \n  \nΟ Ιωάννης Κανσίζογλου είναι Επίκουρος Καθηγητής στο Τμήμα Εργοθεραπείας\, της Σχολής Επιστήμης Φυσικής Αγωγής\, Αθλητισμού και Εργοθεραπείας του Δημοκρίτειου Πανεπιστημίου Θράκης. Έλαβε το Δίπλωμά του στη Μηχανική Ηλεκτρονικών Υπολογιστών και Πληροφορικής από το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης το 2017 και το διδακτορικό του στη βαθιά μάθηση αναπαραστάσεων και την υπολογιστική συναισθηματική νοημοσύνη από το Εργαστήριο Ρομποτικής και Αυτοματοποίησης του ΔΠΘ το 2021. Έχει προηγουμένως εργαστεί ως μεταδιδακτορικός ερευνητής στο ίδιο εργαστήριο\, συμμετέχοντας σε ερευνητικά έργα που χρηματοδοτήθηκαν από την Ευρωπαϊκή Επιτροπή και την Ελληνική Κυβέρνηση. Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν υποστηρικτικές τεχνολογίες\, υπολογιστική συναισθηματική νοημοσύνη\, αλληλεπίδραση ανθρώπου–υπολογιστή και ρομποτική. \n  \nΟ Χρήστος Κοκκότης είναι Επίκουρος Καθηγητής στο Τμήμα Εργοθεραπείας\, της Σχολής Επιστήμης Φυσικής Αγωγής\, Αθλητισμού και Εργοθεραπείας του Δημοκρίτειου Πανεπιστημίου Θράκης. Κατέχει διδακτορικό δίπλωμα στις εφαρμογές της Μηχανικής Μάθησης στην Ποιότητα Ζωής από το Πανεπιστήμιο Θεσσαλίας. Το ερευνητικό του έργο επικεντρώνεται στην ανάλυση κίνησης\, σε δεδομένα χρονοσειρών\, καθώς και στην ανάπτυξη μοντέλων μηχανικής και βαθιάς μάθησης στον τομέα της υγείας και της αποκατάστασης. Έχει ασχοληθεί με εφαρμογές όπως η πρόβλεψη οστεοαρθρίτιδας γόνατος\, η αποκατάσταση μετά από εγκεφαλικό επεισόδιο και η παρακολούθηση της αποκατάστασης ρήξης πρόσθιου χιαστού συνδέσμου (ACL). Έχει συμβάλει σε ερευνητικά έργα στο ΚΕΤΕΑΘ (CERTH)\, στο πλαίσιο των προγραμμάτων OActive και SafeACL\, ενώ συμμετέχει ενεργά σε έργα χρηματοδοτούμενα από το πρόγραμμα Horizon Europe. Το ερευνητικό του έργο στοχεύει στη γεφύρωση της Τεχνητής Νοημοσύνης με την κλινική πράξη\, μέσω ερμηνεύσιμων και δεδομένο-κεντρικών προσεγγίσεων.
URL:https://clinextech.phyed.duth.gr/event/%cf%84%ce%b5%cf%87%ce%bd%ce%b7%cf%84%ce%ae-%ce%bd%ce%bf%ce%b7%ce%bc%ce%bf%cf%83%cf%8d%ce%bd%ce%b7-%cf%83%cf%84%ce%b7%ce%bd-%cf%85%ce%b3%ce%b5%ce%af%ce%b1-%ce%ba%ce%b1%ce%b9-%cf%84%ce%b7%ce%bd-%ce%b1/
LOCATION:Κεντρικό Αμφιθέατρο ‘’Γεώργιος Παπαδριέλλης’’ Σχολής Επιστήμης Φυσικής Αγωγής & Αθλητισμού\, Τ.Ε.Φ.Α.Α. – Δ.Π.Θ.\, Πανεπιστημιούπολη  Κομοτηνη\, Τ.Ε.Φ.Α.Α. – Δ.Π.Θ.\, Πανεπιστημιούπολη\, κομοτηνη\, Greece
CATEGORIES:Εκδηλώσεις Μεταπτυχιακού
ATTACH;FMTTYPE=image/jpeg:https://clinextech.phyed.duth.gr/wp-content/uploads/2026/05/03_ΑΦΙΣΑ_ROUNS-TABLE-AI.jpg
END:VEVENT
END:VCALENDAR