Projektbeschreibung
Ausbildungsnetze zur Erforschung der Gewebedynamik
Durch Bildgebungsverfahren ist es möglich geworden, Millionen von Zellbildern zu gewinnen, die zu einem vertieften Verständnis der Organismusentwicklung, Homöostase und Pathologie beitragen. Um das Potenzial moderner Bildgebungsverfahren voll auszuschöpfen, müssen jedoch solide, kosteneffektive und benutzerfreundliche Methoden allgemein zugänglich sein, mit denen aus den enormen erfassten Datenmengen wichtige Informationen gewonnen werden können. Das EU-finanzierte Projekt O-NEAT zielt darauf ab, eine Technologie auf der Grundlage von tiefem Lernen einzuführen, die solche Daten nutzt, um Ausbildungsnetzen die automatische und reproduzierbare Erforschung der Gewebedynamik zu ermöglichen. Forschende aus Wissenschaft und dem Privatsektor könnten dadurch schnell und zuverlässig Informationen zur Zelldynamik unter normalen bzw. pathologischen Bedingungen extrahieren, die bedeutende potenzielle Marktanwendungen eröffnen könnten.
Ziel
Imaging methods enabling the acquisition of millions of cell contours have opened the path for improved understanding of development, repair, homeostasis and pathology. The full potential of such imaging methods can only be reached when robust, cost-effective and user-friendly methods are democratized to extract important information from the huge amounts of data generated. Our project aims to implement a disruptive deep-learning based technology, O-NEAT, that uses these masses of data for training neural networks to automatically and reproducibly explore tissue dynamics. This would enable researchers in academia and the private sector to quickly and reliably extract information regarding cell dynamics in normal or pathological conditions thus having significant potential market applications.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- Medizin- und GesundheitswissenschaftenGrundlagenmedizinPathologie
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenDeep Learning
- Medizin- und GesundheitswissenschaftenGrundlagenmedizinPhysiologieHomöostase
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche IntelligenzComputational Intelligence
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2019-PoC
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
ERC-POC -Gastgebende Einrichtung
75794 Paris
Frankreich