Description du projet
Supercalcul et mégadonnées pour les applications biomédicales
Le «quatrième paradigme de la science» est basé sur les environnements unifiés des calculs à haute performance (CHP) et de l’analyse des mégadonnées. Il devrait faire considérablement progresser la recherche et l’innovation dans le domaine des sciences de la santé. Le projet DeepHealth, financé par l’UE, mettra la puissance des CHP au service d’applications biomédicales et appliquera des techniques d’apprentissage profond (DL pour «deep learning») à de vastes ensembles de données biomédicales composées, dans le but d’étayer de nouvelles méthodes plus efficaces de diagnostic, de suivi et de traitement des maladies. Le projet développera une structure résiliente et évolutive pour l’environnement des CHP et des mégadonnées qui s’appuiera sur deux nouvelles bibliothèques: la bibliothèque européenne d’apprentissage profond distribué (EDDLL pour «European Distributed Deep Learning Library») et la bibliothèque européenne de vision par ordinateur (ECVL pour «European Computer Vision Library»). La structure, une fois validée, permettra la formation de modèles et fournira des données de formation issues de différents domaines médicaux.
Objectif
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.
Champ scientifique
- 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
Mots‑clés
Programme(s)
Régime de financement
IA - Innovation actionCoordinateur
28050 Madrid
Espagne
Voir sur la carte
Participants (24)
Entité juridique autre qu’un sous-traitant qui est affiliée ou juridiquement liée à un participant. L’entité réalise des travaux dans les conditions prévues par la convention de subvention, fournit des biens ou des services pour l’action, mais n’a pas signé la convention de subvention. Le tiers respecte les règles applicables au participant qui lui est lié dans le cadre de la convention de subvention en ce qui concerne l’éligibilité des coûts et le contrôle des dépenses.
50002 Zaragoza
Voir sur la carte
46022 Valencia
Voir sur la carte
5684 PC Best
Voir sur la carte
Participation terminée
013685 BUCURESTI
Voir sur la carte
171 21 Nea Smyrni
Voir sur la carte
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.
92230 Gennevilliers
Voir sur la carte
75015 PARIS 15
Voir sur la carte
08034 Barcelona
Voir sur la carte
83052 Bruckmuehl
Voir sur la carte
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.
10124 Torino
Voir sur la carte
Entité juridique autre qu’un sous-traitant qui est affiliée ou juridiquement liée à un participant. L’entité réalise des travaux dans les conditions prévues par la convention de subvention, fournit des biens ou des services pour l’action, mais n’a pas signé la convention de subvention. Le tiers respecte les règles applicables au participant qui lui est lié dans le cadre de la convention de subvention en ce qui concerne l’éligibilité des coûts et le contrôle des dépenses.
00185 Roma
Voir sur la carte
41121 Modena
Voir sur la carte
09050 Pula Cagliari
Voir sur la carte
17177 Stockholm
Voir sur la carte
46010 Valencia
Voir sur la carte
10126 Torino
Voir sur la carte
39106 Magdeburg
Voir sur la carte
20457 HAMBURG
Voir sur la carte
050659 Bucaresti
Voir sur la carte
1015 Lausanne
Voir sur la carte
1011 Lausanne
Voir sur la carte
33003 Oviedo
Voir sur la carte
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.
104 22 Stockholm
Voir sur la carte
013685 Bucuresti
Voir sur la carte
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.