Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

A fully automated deep learning-based software for fast, robust and accurate detection and segmentation of tumours and metastasis

Opis projektu

Poprawianie wyników leczenia raka płuc poprzez zautomatyzowanie jego opisu

Szybka i dokładna diagnostyka jest niezbędna, jeśli leczenie raka, niezależnie od rodzaju guza, ma być skuteczne. Niestety zaawansowane wykrywanie, segmentacja i opis guzów zależą od żmudnych w ogóle niezautomatyzowanych lub zautomatyzowanych zaledwie częściowo procesów, co ogranicza dokładność stosowania terapii i monitorowania odpowiedzi na nią. Finansowany ze środków UE projekt AUTO.DISTINCT wprowadzi przełomowe, w pełni zautomatyzowane oprogramowanie do szybkiego, dokładnego, niezależnego od obserwatora i powtarzalnego wykrywania oraz wolumetrycznej segmentacji guzów płuc i przerzutów na obrazach TK. Badacze zajmą się również prezentacją i oceną nowego rozwiązania. Prace w ramach projektu drastycznie poprawią proces opisu guza w przypadku pacjentów z rakiem płuc. Zastosowanie lepszego wykrywania zmian na obrazach TK będzie miało znaczący wpływ na wyniki leczenia pacjentów i dokładność radioterapii.

Cel

The inaccuracy and inconsistency of state-of-the-art tumour volume detection and segmentation has an adverse influence on patient outcomes. Accurately determining the exact location and volume of tumours is a prerequisite for the detection, segmentation, characterisation and therapy response monitoring for any type of cancer. Today, tumour segmentation is performed manually or semi-automatically in a laborious and time-consuming process that exhibits low accuracy and inconsistency. This compromises quality of care by limiting the certainty of lesion detection on medical images, hindering the effectivity of radiotherapy and restricting the accuracy of treatment response monitoring.

In this ERC PoC project, we introduce fully automated software for fast, accurate, observer independent and reproducible detection and volumetric segmentation of (lung) tumours and metastases on CT images. Through a unique three-step approach, our software demonstrates superior speed, accuracy and robustness of tumour segmentation over both the state-of-the-art as well as published competing solutions for automated tumour segmentation. Hence, our software has the potential to drastically reduce the adverse impact that inaccurate tumour detection and segmentation currently has on (lung) cancer patient outcomes by: improving the detection of lesions on CT images, increasing the accuracy of radiotherapy treatment to reduce the occurrence of geometric misses, and advance the evaluation of tumour response to treatments through volumetric treatment monitoring.

In AUTO.DISTINCT we will provide technical and commercial proof-of-concept for our novel software. We will solve the remaining technical challenges and develop a user-friendly prototype that can be validated with end users. Moreover, we will develop a business strategy that incorporates all technical, commercial, IPR and regulatory aspects of our invention to ensure successful commercialisation.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

ERC-POC-LS - ERC Proof of Concept Lump Sum Pilot

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) ERC-2020-PoC

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

UNIVERSITEIT MAASTRICHT
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 150 000,00
Adres
MINDERBROEDERSBERG 4
6200 MD Maastricht
Niderlandy

Zobacz na mapie

Region
Zuid-Nederland Limburg (NL) Zuid-Limburg
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych

Beneficjenci (1)

Moja broszura 0 0