Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

EXtreme-scale Analytics via Multimodal Ontology Discovery & Enhancement

Descrizione del progetto

Applicare metodi analitici estremi nella sanità

I volumi su esascala relativi a diversi dati sanitari si distinguono per dimensione (la produzione del 2020 ha superato 2 000 exabyte), eterogeneità (numerosi supporti e metodi di acquisizione), conoscenze (referti diagnostici) e valore commerciale. La natura supervisionata di modelli di apprendimento profondo richiede numerosi dati marcati e annotati, e impedisce che i modelli estraggano conoscenze e valore. L’obiettivo del progetto EXA MODE, finanziato dall’UE, è quello di consentire un’estrazione di conoscenze semplice, rapida e debolmente supervisionata dei dati eterogenei su esascala, limitando l’interazione umana. Gli obiettivi del progetto comprendono lo sviluppo e il rilascio di nuovi metodi e strumenti di analisi su larghissima scala per previsioni precise, sostenendo il processo decisionale del settore e degli ospedali. Il middleware semantico multimodale offrirà una gestione e un’analisi più semplici e più rapide di dati eterogenei, migliorando le architetture di sistemi distribuiti complessi e aumentando la velocità del volume di produzione e di accesso dei dati.

Obiettivo

Exascale volumes of diverse data from distributed sources are continuously produced. Healthcare data stand out in the size produced (production 2020 >2000 exabytes), heterogeneity (many media, acquisition methods), included knowledge (e.g. diagnostic reports) and commercial value. The supervised nature of deep learning models requires large labeled, annotated data, which precludes models to extract knowledge and value. EXA MODE solves this by allowing easy & fast, weakly supervised knowledge discovery of exascale heterogeneous data provided by the partners, limiting human interaction. Its objectives include the development and release of extreme analytic methods and tools, that are adopted in decision making by industry and hospitals. Deep learning naturally allows to build semantic representations of entities and relations in multimodal data. Knowledge discovery is performed via document-level semantic networks in text and the extraction of homogeneous features in heterogeneous images. The results are fused, aligned to medical ontologies, visualized and refined. Knowledge is then applied using a semantic middleware to compress, segment and classify images and it is exploited in decision support and semantic knowledge management prototypes. EXA MODE is relevant to ICT12 in several aspects: 1) Challenge: it extracts knowledge and value from heterogeneous quickly increasing data volumes. 2) Scope: the consortium develops and releases new methods and concepts for extreme scale analytics to accelerate deep analysis also via data compression, for precise predictions, support decision making and visualize multi-modal knowledge. 3) Impact: the multi-modal/media semantic middleware makes heterogeneous data management & analysis easier & faster, it improves architectures for complex distributed systems with better tools increasing speed of data throughput and access, as resulting from tests in extreme analysis by industry and in hospitals.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/it/web/eu-vocabularies/euroscivoc.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

RIA - Research and Innovation action

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) H2020-ICT-2018-20

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

HAUTE ECOLE SPECIALISEE DE SUISSE OCCIDENTALE
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 886 875,00
Indirizzo
Route de Moutier 14
2800 Delemont
Svizzera

Mostra sulla mappa

Regione
Schweiz/Suisse/Svizzera Espace Mittelland Jura
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 886 875,00

Partecipanti (9)

Il mio fascicolo 0 0