Descrizione del progetto
Addestrare le reti per l’esplorazione delle dinamiche dei tessuti
I metodi di imaging hanno consentito l’acquisizione di milioni di immagini cellulari, contribuendo a migliorare la comprensione dello sviluppo degli organismi, dell’omeostasi e della patologia. I metodi di imaging moderni potranno essere sfruttati appieno solo in presenza di un’ampia disponibilità di metodi solidi, efficienti in termini di costi e intuitivi, per l’acquisizione di informazioni importanti a partire dalle enormi quantità di dati generati. Il progetto O-NEAT, finanziato dall’UE, intende implementare una tecnologia basata sull’apprendimento profondo che si avvale di tali dati per addestrare le reti a esplorare le dinamiche dei tessuti in modo automatico e riproducibile. Ciò potrebbe consentire ai ricercatori attivi nel mondo accademico e nel settore privato di estrarre in maniera rapida e affidabile informazioni sulle dinamiche cellulari in condizioni normali o patologiche, rendendo possibili significative applicazioni di mercato.
Obiettivo
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.
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/en/web/eu-vocabularies/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/en/web/eu-vocabularies/euroscivoc.
- scienze mediche e della salutemedicina di basepatologia
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeapprendimento automaticoapprendimento profondo
- scienze mediche e della salutemedicina di basefisiologiaomeostasi
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeintelligenza computazionale
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) ERC-2019-PoC
Vedi altri progetti per questo bandoMeccanismo di finanziamento
ERC-POC -Istituzione ospitante
75794 Paris
Francia