Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Deep-Learning and HPC to Boost Biomedical Applications for Health

Descripción del proyecto

Supercomputación y datos masivos para aplicaciones biomédicas

El denominado cuarto paradigma de la ciencia radica en los entornos unificados de la informática de alto rendimiento (HPC, por sus siglas en inglés) y el análisis de datos masivos. Se prevé que mejore notablemente la investigación e innovación científica en el ámbito sanitario. El proyecto DeepHealth, financiado con fondos europeos, pondrá la capacidad de la HPC al servicio de aplicaciones biomédicas y aplicará técnicas de aprendizaje profundo (DL, por sus siglas en inglés) a conjuntos de datos biomédicos grandes y compuestos, con el objetivo de respaldar métodos nuevos y más eficaces de diagnóstico, seguimiento y tratamiento de enfermedades. El proyecto desarrollará una estructura resiliente y escalable para el entorno de datos masivos y de HPC que se basará en dos nuevas bibliotecas: la Biblioteca europea de aprendizaje profundo distribuido (EDDLL, por sus siglas en inglés) y la Biblioteca europea de visión artificial (ECVL, por sus siglas en inglés). La estructura permitirá tras su validación el entrenamiento de modelos y proporcionará datos de entrenamiento de diferentes campos médicos.

Objetivo

Health scientific discovery and innovation are expected to quickly move forward under the so called “fourth paradigm of science”, which relies on unifying the traditionally separated and heterogeneous high-performance computing and big data analytics environments.
Under this paradigm, the DeepHealth project will provide HPC computing power at the service of biomedical applications; and apply Deep Learning (DL) techniques on large and complex biomedical datasets to support new and more efficient ways of diagnosis, monitoring and treatment of diseases.
DeepHealth will develop a flexible and scalable framework for the HPC + Big Data environment, based on two new libraries: the European Distributed Deep Learning Library (EDDLL) and the European Computer Vision Library (ECVL). The framework will be validated in 14 use cases which will allow to train models and provide training data from different medical areas (migraine, dementia, depression, etc.). The resulting trained models, and the libraries, will be integrated and validated in 7 existing biomedical software platforms, which include: a) commercial platforms (e.g. PHILIPS Clinical Decision Support System from or THALES SIX PIAF; and b) research oriented platforms (e.g. CEA`s ExpressIF™ or CRS4`s Digital Pathology). Impact is measured by tracking the time-to-model-in-production (ttmip).
Through this approach, DeepHealth will also standardise HPC resources to the needs of DL applications, and underpin the compatibility and uniformity on the set of tools used by medical staff and expert users. The final DeepHealth solution will be compatible with HPC infrastructures ranging from the ones in supercomputing centers to the ones in hospitals.
DeepHealth involves 21 partners from 9 European Countries, gathering a multidisciplinary group from research organisations (9), health organisations (4) as well as (4) large and (4) SME industrial partners, with strong commitment towards innovation, exploitation and sustainability.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

IA - Innovation action

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) H2020-ICT-2018-20

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

NTT DATA SPAIN, SL
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 314 980,14
Dirección
CAMINO FUENTE DE LA MORA 1
28050 Madrid
España

Ver en el mapa

Región
Comunidad de Madrid Comunidad de Madrid Madrid
Tipo de actividad
Private for-profit entities (excluding Higher or Secondary Education Establishments)
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 1 059 567,48

Participantes (24)

Mi folleto 0 0