Projekt · Dnr 2021-01954 · Källa: Vinnova

EUREKA ITEA ASSIST -Automation, Surgery Support and Intuitive 3D visualization to optimize workflow in IGT SysTems

Koordinator
Linköpings universitet, Linköpings universitet Inst för medicinsk teknik IMT
Projekttid
2021-10-01 till 2024-09-30 (avslutat)
Beviljat bidrag
31 439 758 SEK
Diarienummer
2021-01954

Beskrivning

Ett av de främsta målen med projektet var att träna AI-modeller via federated learning, med kliniska data från olika städer. Detta mål har uppnåtts med både Scaleout och Inovia AI, och för två typer av modeller (segmentering och dosprediktion). Federerade träningar har genomförts mellan Linköping, Lund och Umeå. Via en slutdemonstrator har vi visat att modeller tränade via federated learning kan integreras med kliniska mjukvaror från Spectronic och RaySearch. Demonstratorn visar att tiden för att planera behandling kan minskas från 3-4 timmar till 15 minuter för en patient. Projektet har lett till förbättringar av Scaleouts ramverk FEDn för federated learning, ett nytt gränssnitt iFusion för federated learning av Inovia AI, förbättringar och utökning av Spectronics plattform SAINT, en stor ökad klinisk användning av RaySearch´s mjukvara för strålterapi via nya och förbättrade modeller för segmentering och dosprediktion, samt förbättrad sensitivitet för upptäckt av metastaser via metoder utvecklade av Eigenvision. LiU och Spectronic har utvecklat nya modeller för syntetiska bilder. LiU har utvecklat nya metoder för diffusions-viktade bilder.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. HordaGruppens AI-resa

    HORDAGRUPPEN AB · 2019-10-01 · 500 000 SEK · Projekt

    Syftet är att använda ML-modeller och produktionsdata. Följande mål har uppfyllts: - i realtid visualisera processparametrarna i grafiska processfönster - mha ML-modeller förutspå framtida trenden 10 min framåt - utveckla ett dynamiskt och lätt användbart HMI - skapa en molnbaserad digital tvilling …

  2. Stokastiska modeller för optimal Air Traffic Flow Management

    Linköpings universitet · 2018-09-01 · 650 000 SEK · Projekt

    Syftet med projektet var att utveckla och testa nya, innovativa modeller för ATFM (Air Traffic Flow Management), dvs övergripande flödesplanering av flygtrafik. I förlängningen är målet att dessa ska kunna bidra till ett förbättrat lufttrafikflöde, med minskade förseningar och minskad miljöpåverkan.…

  3. AI-baserad optimering av växthusodling

    SVEGRO AB · 2020-04-15 · 300 000 SEK · Projekt

    Syftet med detta projekt var att undersöka hur AI kan användas för att stötta och optimera odlingsprocessen av örter i växthus. Särskilt intressant var att undersöka om AI kan användas för att optimera energianvändning och minska antalet krukor som behöver kastas p.g.a. kvalitetsbrister. AI-modeller…

  4. Innehållsrekommendationer för ökad relevans i digitala medier

    Triggerbee AB · 2019-10-15 · 500 000 SEK · Projekt

    Triggerbee har, med Vinnovas medfinansiering, genomfört ett projekt för att kickstarta Triggerbees AI-resa. Målsättningen med projektet har varit att dels kompetensutvecklas och få praktiska erfarenheter av AI och ML, och dels att utveckla en pilotmjukvara för innehållsrekommendationer på webbplatse…

  5. Stålutveckling med GenAI

    Ferritico AB · 2023-09-28 · 835 998 SEK · Projekt

    Projektet syftade till att effektivisera stålutveckling genom att designa en GenAI-driven plattform som integrerar AI och kvantmekanisk modellering (QMM)-data. Målen var att optimera stålproduktionsprocessen, minska beroendet av kostsamma och tidskrävande fysiska experiment samt förbättra hållbarhet…