Formålet med dette projekt er at undersøge den virkelige ydeevne for TREAT-Essential, et klinisk beslutningsstøttesystem (CDSS) til diagnose og behandling af bakterielle infektioner. Projektet sigter mod at undersøge virkningen af TREAT-Essential på lægers beslutningsprocesser vedrørende antibiotikabehandling: herunder kvantificering af effekten på behandlingseffektivitet og patientresultater samt undersøge omkostningseffektiviteten fra et sundhedsøkonomisk perspektiv

Rambøll tilbyder True Digital Twin ydelser, hvor der måles på konstruktioner for at kalibrere den digitale model og den tilhørende last model, hvilket kan forlænge levetiden af konstruktionen og reducere usikkerheder. Disse ydelser skal udvides til at inkludere havvindmøller, men disse konstruktioner er mere komplekse, hvorved ydelserne ikke kan overføres direkte. Dette kræver holistisk forskning og udvikling indenfor: virtuel sensing, last kalibrering og risiko analyser.

Projektet fokuserer på at udvikle pålidelig XAI til robuste og fortolkelige AI-systemer, specifikt ved brug af kliniske EEG-data og automatiseret EEG-rapportering. AI og explainability kan reducere den tid, EEG-specialister bruger, samtidig med at den diagnostiske nøjagtighed opretholdes eller forbedres. Projektet kombinerer EEG-modeller med XAI-metoder, integrerer multimodale data for robusthed og oversætter diagnostiske output til forskellige brugere.

Den overordnede målsætning med projektet er at undersøge, hvordan man kan forbedre a) udvælgelsen af ungdomsfodboldspillere i en tidlig alder (12-15 år) og b) træningen af ungdomsfodboldspillere i særdeleshed med fokus på udvikling af sparkefærdigheder. Her vil analyseres og anvendes nyudviklet teknologi til formålet. Projektet vil klarlægge strategier for talentudvælgelse samt for optimering af træning af tekniske færdigheder, her i særdeleshed fodboldsparket.

This project will develop deep learning method for recommendation of the optimal dosage of Gadolinium-Based Contrast Agents (GBCAs) and synthesis of the expected appearance of post-contrast MRI images across diverse brain pathologies, scanners, patient populations and scanning techniques, with the aim of reducing the usage of GBCAs in MRI examinations. The developed software will comprise the backbone of a Contrast Recommendation library to-be-incorporated to Cerebriu’s MRI automation pipeline.

Projektet, et partnerskab mellem Insight Chips, DTU Nanolab og eksterne parter fra MIT, TUM og UCL, har til formål at udvikle næste generations Nano Kanal Chips med elektroder, ved at kombinere avancerede nanofabrikationsteknikker med elektronmikroskopi, for at muliggøre realtidsobservationer af elektrokinetiske fænomener på nanoskala. Samarbejdet fokuserer på at revolutionere grøn forskning, samt at positionere Insight Chips som markedsleder blandt konkurrenterne med et suverænt produkt.