Projecten
Diagnostiek van het auditief systeem gebruik makende van deep-learning gebaseerde analyses van EEG signale KU Leuven
Wanneer iemand luistert naar geluid worden verschillende delen van het auditief systeem geactiveerd waaronder de hersenen. We kunnen daarna hersengolven meten door middel van Elektro-encefalografie (EEG), deze kunnen we dan decoderen en hieruit kunnen we conclusies trekken over het auditief systeem. We trachten een computationeel model van het auditief systeem te ontwikkelen gebaseerd op de huidige state-of-the-art diepe neurale netwerken van ...
Diepgaande leermodellen voor het genereren van tekstsamenvattingen van video's KU Leuven
In de afgelopen jaren is er een groeiende belangstelling voor het overbruggen van verschillende modaliteiten in de deep learning-gemeenschap. Dit project heeft tot doel deep learning-modellen te ontwikkelen voor het automatisch genereren van tekstsamenvattingen uit video's. Via dit project verwachten we betere manieren te vinden om tekstuele en visuele modaliteiten te integreren in een end-to-end-model. Afgezien daarvan worden technieken voor ...
Detectie van storingen en gebeurtenissen in biomedische signalen met neurale netwerken KU Leuven
Biomedische signalen bieden een niet-invasieve data modaliteit om processen in het lichaam en in specifieke organen beter te begrijpen. Electrocardiografie (ECG) en electroencephalografie (EEG) zijn twee van zulke modaliteiten, bedoeld om respectievelijk het hart en brein, te onderzoeken. Beide zijn een belangrijke bron van informatie voor klinische deskundigen tijdens diagnose en opvolging van diverse pathologische aandoeningen, en voor de ...
Op leren-gebaseerde computationele strategieën voor plan-adaptatie in beeld-geleide radiotherapie. KU Leuven
Radiotherapie (RT) is één van de belangrijkste modaliteiten voor het behandelen van kankerpatiënten. Het verhogen van de dosis toegediend aan het doelvolume (de tumor) verhoogt de waarschijnlijkheid van lokale tumoronderdrukking, maar verhoogt ook het risico op stralings-geïnduceerde schade aan de omliggende weefsels. RT is gebaseerd op een behandelingsplan dat opgesteld wordt op basis van een vooraf opgenomen CT scan van de patiënt door ...
De genetische factoren van gewrichtsvorm en hun relatie met gewrichtsbelasting Universiteit Gent
Recente genoombrede associatiestudies hebben onthuld dat verschillende osteoartritis (OA) risicoloci genetische variaties omvatten die verband houden met musculoskeletale ontwikkeling en morfogenese. Op heden is een grote tekortkoming dat morfometrische fenotypering gebaseerd is op 2D beeldvorming, resulterend in hoge ruis en beperkte toepasbaarheid. In dit interdisciplinaire project zal DNA worden verzameld van patiënten die voor medische ...
Naar een nauwkeurigere diagnostiek in de gezondheidszorg: AI toegepast op ultrasone beeldvorming met superresolutie KU Leuven
Echografie wordt veel gebruikt in klinische settings omdat het goedkoop, draagbaar en real-time is, en er geen ioniserende straling aan te pas komt. De kwaliteit van echografiebeelden is echter vaak slecht, wat leidt tot beperkte diagnostische toepassingen. Het doel van dit project is om gebruik te maken van het potentieel van kunstmatige intelligentie, met name van deep learning, om de kwaliteit van echografiebeelden te verbeteren, in het ...
Kwantificeren van polymorfe random veld onzekerheid in eindige-elementenmodellen op basis van Digital Image Correlation (DIC) KU Leuven
Het doel van dit doctoraat is het ontwikkelen van een inverse methode voor de kwantificering van onnauwkeurige random velden, gebaseerd op full-field rekmetingen (Digital Image Correlation (DIC)). Een physics-informed deep-learning architectuur (bijv. een intelligente combinatie van een convolutionele/recurrente neurale netwerken of een diep Gaussiaans proces met de heersende fysieke vergelijkingen) wordt getraind om onnauwkeurige ...
Compressieve faling van unidirectionele composieten: efficiënte computationele micromechanica en experimentele validatie KU Leuven
Compressiefaling in de vezelrichting is een cruciale faalmode in het ontwerp van vezelversterkte composietstructuren. Het gebrek aan betrouwbare modellen voor deze faalmode lijdt helaas vaak tot overontworpen en inefficiënte componenten. Hoewel de literatuur een globaal idee heeft van de belangrijkste parameters, weten we momenteel niet welke microstructurele kenmerken compressiefaling veroorzaken. Ik zal daarom computationele micromechanica ...
Block-gequantiseerde en data-efficiënte DNN's op vectorprocessoren aan de rand KU Leuven
Sommige van de krachtigste algoritmen voor machinaal leren, de zogenaamde deep learning algoritmen of deep neural networks, vergen enorme hoeveelheden rekenwerk en geheugen tijdens de training. Als gevolg hiervan is het trainen van een neuraal netwerk vaak niet efficiënt, omdat het tijd, ruimte en energie vraagt. In dit doctoraat wordt nagegaan hoe bestaande trainingsalgoritmes hardware-efficiënter kunnen worden gemaakt en worden minder ...