Opis projektu
Obliczenia superkomputerowe i technologia dużych zbiorów danych w służbie zastosowań biomedycznych
Tak zwany czwarty paradygmat nauki opiera się na ujednoliconych środowiskach obliczeń wielkiej skali i analityce dużych zbiorów danych. Oczekuje się, że przyczyni się on do znacznych postępów w badaniach naukowych i innowacjach w dziedzinie zdrowia. W ramach finansowanego ze środków UE projektu DeepHealth moc obliczeń wielkiej skali zostanie wykorzystana do zastosowań biomedycznych, a techniki głębokiego uczenia maszynowego zostaną zastosowane do ogromnych i złożonych zbiorów danych biomedycznych, co ma na celu wesprzeć powstanie nowych i bardziej skutecznych metod diagnozowania, monitorowania i leczenia chorób. W ramach projektu powstanie elastyczna i skalowalna struktura dla środowiska obliczeń wielkiej skali i technologii dużych zbiorów danych, która będzie opierać się na dwóch nowych bibliotekach: European Distributed Deep Learning Library (EDDLL) oraz European Computer Vision Library (ECVL). Po pomyślnej walidacji tej struktury możliwe będzie trenowanie modeli przy jej pomocy oraz dostarczenie danych treningowych z różnych dziedzin medycyny.
Cel
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.
Dziedzina nauki
- 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
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-ICT-2018-2
System finansowania
IA - Innovation actionKoordynator
28050 Madrid
Hiszpania
Zobacz na mapie
Uczestnicy (24)
Podmiot prawny inny niż podwykonawca, stowarzyszony lub mający inne powiązania prawne z uczestnikiem. Podmiot realizuje prace na podstawie warunków umowy o grant, dostarcza towary lub świadczy usługi związane z działaniem, jednak nie podpisuje umowy o grant. Podmiot zewnętrzny przestrzega zasad i wymogów dotyczących danego uczestnika wynikających z umowy o grant, dotyczących kwalifikowalności kosztów oraz kontroli wydatków.
50002 Zaragoza
Zobacz na mapie
46022 Valencia
Zobacz na mapie
5684 PC Best
Zobacz na mapie
Zakończenie uczestnictwa
013685 BUCURESTI
Zobacz na mapie
171 21 Nea Smyrni
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
92230 Gennevilliers
Zobacz na mapie
75015 PARIS 15
Zobacz na mapie
08034 Barcelona
Zobacz na mapie
83052 Bruckmuehl
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
10124 Torino
Zobacz na mapie
Podmiot prawny inny niż podwykonawca, stowarzyszony lub mający inne powiązania prawne z uczestnikiem. Podmiot realizuje prace na podstawie warunków umowy o grant, dostarcza towary lub świadczy usługi związane z działaniem, jednak nie podpisuje umowy o grant. Podmiot zewnętrzny przestrzega zasad i wymogów dotyczących danego uczestnika wynikających z umowy o grant, dotyczących kwalifikowalności kosztów oraz kontroli wydatków.
00185 Roma
Zobacz na mapie
41121 Modena
Zobacz na mapie
09050 Pula Cagliari
Zobacz na mapie
17177 Stockholm
Zobacz na mapie
46010 Valencia
Zobacz na mapie
10126 Torino
Zobacz na mapie
39106 Magdeburg
Zobacz na mapie
20457 HAMBURG
Zobacz na mapie
050659 Bucaresti
Zobacz na mapie
1015 Lausanne
Zobacz na mapie
1011 Lausanne
Zobacz na mapie
33003 Oviedo
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
104 22 Stockholm
Zobacz na mapie
013685 Bucuresti
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.