Descripción del proyecto
Supercomputación y datos masivos para aplicaciones biomédicas
El denominado cuarto paradigma de la ciencia radica en los entornos unificados de la informática de alto rendimiento (HPC, por sus siglas en inglés) y el análisis de datos masivos. Se prevé que mejore notablemente la investigación e innovación científica en el ámbito sanitario. El proyecto DeepHealth, financiado con fondos europeos, pondrá la capacidad de la HPC al servicio de aplicaciones biomédicas y aplicará técnicas de aprendizaje profundo (DL, por sus siglas en inglés) a conjuntos de datos biomédicos grandes y compuestos, con el objetivo de respaldar métodos nuevos y más eficaces de diagnóstico, seguimiento y tratamiento de enfermedades. El proyecto desarrollará una estructura resiliente y escalable para el entorno de datos masivos y de HPC que se basará en dos nuevas bibliotecas: la Biblioteca europea de aprendizaje profundo distribuido (EDDLL, por sus siglas en inglés) y la Biblioteca europea de visión artificial (ECVL, por sus siglas en inglés). La estructura permitirá tras su validación el entrenamiento de modelos y proporcionará datos de entrenamiento de diferentes campos médicos.
Objetivo
Health scientific discovery and innovation are expected to quickly move forward under the so called “fourth paradigm of science”, which relies on unifying the traditionally separated and heterogeneous high-performance computing and big data analytics environments.
Under this paradigm, the DeepHealth project will provide HPC computing power at the service of biomedical applications; and apply Deep Learning (DL) techniques on large and complex biomedical datasets to support new and more efficient ways of diagnosis, monitoring and treatment of diseases.
DeepHealth will develop a flexible and scalable framework for the HPC + Big Data environment, based on two new libraries: the European Distributed Deep Learning Library (EDDLL) and the European Computer Vision Library (ECVL). The framework will be validated in 14 use cases which will allow to train models and provide training data from different medical areas (migraine, dementia, depression, etc.). The resulting trained models, and the libraries, will be integrated and validated in 7 existing biomedical software platforms, which include: a) commercial platforms (e.g. PHILIPS Clinical Decision Support System from or THALES SIX PIAF; and b) research oriented platforms (e.g. CEA`s ExpressIF™ or CRS4`s Digital Pathology). Impact is measured by tracking the time-to-model-in-production (ttmip).
Through this approach, DeepHealth will also standardise HPC resources to the needs of DL applications, and underpin the compatibility and uniformity on the set of tools used by medical staff and expert users. The final DeepHealth solution will be compatible with HPC infrastructures ranging from the ones in supercomputing centers to the ones in hospitals.
DeepHealth involves 21 partners from 9 European Countries, gathering a multidisciplinary group from research organisations (9), health organisations (4) as well as (4) large and (4) SME industrial partners, with strong commitment towards innovation, exploitation and sustainability.
Ámbito científico
- natural sciencescomputer and information sciencesdata sciencebig data
- natural sciencescomputer and information sciencesartificial intelligencecomputer vision
- medical and health sciencesbasic medicineneurologydementia
- medical and health sciencesbasic medicinepathology
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-ICT-2018-2
Régimen de financiación
IA - Innovation actionCoordinador
28050 Madrid
España
Ver en el mapa
Participantes (24)
Entidad jurídica distinta de un subcontratista que está afiliada o vinculada jurídicamente con un participante. Dicha entidad lleva a cabo su trabajo en las condiciones establecidas en el acuerdo de subvención, proporciona bienes o presta servicios para la acción, pero no firma dicho acuerdo. El tercero acata las normas aplicables a su participante en virtud del acuerdo de subvención en lo que respecta a la subvencionalidad de los costes y el control de los gastos.
50002 Zaragoza
Ver en el mapa
46022 Valencia
Ver en el mapa
5684 PC Best
Ver en el mapa
La participación finalizó
013685 BUCURESTI
Ver en el mapa
171 21 Nea Smyrni
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
92230 Gennevilliers
Ver en el mapa
75015 PARIS 15
Ver en el mapa
08034 Barcelona
Ver en el mapa
83052 Bruckmuehl
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
10124 Torino
Ver en el mapa
Entidad jurídica distinta de un subcontratista que está afiliada o vinculada jurídicamente con un participante. Dicha entidad lleva a cabo su trabajo en las condiciones establecidas en el acuerdo de subvención, proporciona bienes o presta servicios para la acción, pero no firma dicho acuerdo. El tercero acata las normas aplicables a su participante en virtud del acuerdo de subvención en lo que respecta a la subvencionalidad de los costes y el control de los gastos.
00185 Roma
Ver en el mapa
41121 Modena
Ver en el mapa
09050 Pula Cagliari
Ver en el mapa
17177 Stockholm
Ver en el mapa
46010 Valencia
Ver en el mapa
10126 Torino
Ver en el mapa
39106 Magdeburg
Ver en el mapa
20457 HAMBURG
Ver en el mapa
050659 Bucaresti
Ver en el mapa
1015 Lausanne
Ver en el mapa
1011 Lausanne
Ver en el mapa
33003 Oviedo
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
104 22 Stockholm
Ver en el mapa
013685 Bucuresti
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.