Artificial Intelligence for Emergency Medical Services: a smart digital assistant for faster and more accurate cardiac arrest recognition during emergency calls

Informacje na temat projektu

AI4EMS

Identyfikator umowy o grant: 823383

DOI

10.3030/823383

Projekt został zamknięty

Data podpisania przez KE 20 Sierpnia 2018

Data rozpoczęcia 1 Sierpnia 2018

Data zakończenia 31 Stycznia 2020

Finansowanie w ramach

• INDUSTRIAL LEADERSHIP - Innovation In SMEs

Koszt całkowity

€ 2 055 976,25

Wkład UE

€ 1 439 183,00

Koordynowany przez

CORTI APS
Denmark

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Rezultaty

Websites, patent fillings, videos etc. (1)

AI4EMS online content

AI4EMS online content. The project content will be divide in a public section and a restricted area (accessible only to the project participants and the EC officers allocated to the project) for uploading and downloading of all of the project reports and documents.

Publikacje

Peer reviewed articles (1)

Machine learning as a supportive tool to recognize cardiac arrest in emergency calls

Autorzy: Stig Nikolaj Blomberg, Fredrik Folke, Annette Kjær Ersbøll, Helle Collatz Christensen, Christian Torp-Pedersen, Michael R. Sayre, Catherine R. Counts, Freddy K. Lippert
Opublikowane w: Resuscitation, Numer 138, 2019, Strona(/y) 322-329, ISSN 0300-9572
Wydawca: Elsevier BV
DOI: 10.1016/j.resuscitation.2019.01.015

Conference proceedings (5)

Utilizing Domain Knowledge in End-to-End Audio Processing

Autorzy: Tycho Max Sylvester Tax, Jose Luis Diez Antich, Hendrik Purwins, Lars Maaløe
Opublikowane w: 31st Conference on Neural Information Processing Systems (NIPS 2017), 2017
Wydawca: NIPS

BIVA: A Very Deep Hierarchy of Latent Variables for Generative Modeling

Autorzy: Lars Maaløe, Marco Fraccaro, Valentin Liévin, Ole Winther
Opublikowane w: arXiv preprint arXiv:1902.02102, 2019
Wydawca: arXiv

Exploiting Nontrivial Connectivity for Automatic Speech Recognition

Autorzy: Marius Paraschiv, Lasse Borgholt, Tycho Max Sylvester Tax, Marco Singh, Lars Maaløe
Opublikowane w: NIPS workshop on machine learning for audio, 2017
Wydawca: NIPS

On the Inductive Bias of Word-Character-Level Multi-Task Learning for Speech Recognition

Autorzy: Jan Kremer, Corti, Copenhagen, Denmark, [e-mail] Lasse Borgholt, Corti, Copenhagen, Denmark, [e-mail] Lars Maaløe , Corti, Copenhagen, Denmark, [e-mail]
Opublikowane w: 32nd Conference on Neural Information Processing Systems (NeurIPS 2018), 2018
Wydawca: NIPS

Towards Hierarchical Discrete Variational Autoencoders

Autorzy: Valentin Liévin, Andrea Dittadi, Lars Maaløe, Ole Winther
Opublikowane w: NeurIPS Workshop on Advances in Approximate Bayesian Inference, 2019
Wydawca: OpenReview

Other (1)

Detecting Out-of-Hospital Cardiac Arrest Using Artificial Intelligence

Autorzy: Andreas Cleve, Dimitri Devillers, Matteo Palladini, Jerome Paris, Rose Michael, Etienne Faure, Rodolfo Bonora
Opublikowane w: 2020
Wydawca: European Emergency Number Association