Formålet med projektet er at udvide det videnskabelige grundlag for maskinlæringsmetoder så de kan bruges i adaptive akustiske systemer. Systemet, der undersøges, er højttalere i et rum og de adaptive faktorer er dels de fysiske forhold i rummet og dels brugerens præferencer for god lydkvalitet som funktion af konteksten. Målet er en markant forøgelse af brugertilfredsheden for et fuldt adaptivt system sammenlignet med et konventionelt system.

Long-Term Electroencephalographic Monitoring (LTVEM) is used for more precise diagnostic information to optimize treatment and care for epileptic patients. LTVEM mainly takes place in hospitals and patients can be referred for LTVEM for 24 hours or up to several days. LTVEM produces a vast amount of EEG data that must be reviewed and validated – largely a manual procedure today that can take 6-8 hours for each patient, using time of technicians and neurologists. We are developing cNode, a device that integrates with existing LTVEM equipment to avoid the need for manual analysis of the EEG data. The firsts step in the cNode process converts the EEG signal into spikes, similar to the way of communication of the brain. The spike data is fed into a Spike Neural Network (SNN) with on-chip learning and a unique pattern recognition ability. The output is the seizure onset and timestamp. The cNode prototype is integrated on an electronic board and its functionality and ability to detect seizure has been confirmed in various in-vitro and human in-silico models

Til afgørende forskel for dialyse-, diabetes- og cancerpatienter vil vi udbrede anvendelse af neurologiske målinger og muliggøre tidligere diagnosticering, forbedret behandling og medicinering. I dag henvises et få patienter med mulig for neurologiske følgesygdom til elektrofysiologiske undersøgelser for at afdække tidlig nervedysfunktioner. Dette skyldes at undersøgelser foregår ved et omfattende og dyrt setup, på særlige neurofysiologiske klinikker. Ved tidlig diagnostik, kan følgesmerte under andet sygdom mindskes. Med Wenemea ser vi derfor et paradigmeskift i behandlingen af sensoriske og motoriske degenerative nervesygdomme i det perifere nervesystem. Vi præsenterer et helt nyt device til nervemålinger - Wenemea - som er et kompakt, letvægts, neurosensor device til et tilgængeligt prisniveau. Således repræsenterer vi et paradigmeskifte indenfor nerveundersøgelse. Konkret vil vi udfylde hullet mellem let tilgængelig og transportabel elektrofysiologisk hardware og avanceret software til at bestemme nervesygdomme. Det er vores ambition at udvikle en lille, trådløs, batteridrevet og billig enhed i modsætning til det nuværende. Samtidigt udvikler og eksekver vi en Go2Market-strategi, som definerer vores ”value proposition” og markedstilgang. Vi har udviklet en basis-prototype, som vi ønsker at videreudvikle understøttende en samlet forretningsplan, som detaljeret og struktureret beskriver det forestående udviklings-, test-, design/koncept- og kommercialiseringsarbejde