SubsidieMeestersProject MITH 2020 Total Perspective Vortex
Het project onderzoekt de haalbaarheid van een machine learning-systeem voor het automatisch detecteren van cellen in microscopie videobeelden, ter verbetering van wetenschappelijk onderzoek en gezondheidsinnovatie.
Projectdetails
Inleiding
Total Perspective Vortex (TPV) gaat onderzoeken of het technisch haalbaar is om een systeem te ontwikkelen voor het detecteren van cellen in microscopie videobeelden. Er wordt heel veel onderzoek gedaan naar de reactie en interactie van cellen.
Probleemstelling
De bewegingen van cellen worden voor onderzoeksdoeleinden vaak vastgelegd in videobeelden en handmatig gevolgd en geteld. Dit kost onderzoekers nu erg veel tijd en daarnaast betreft het een subjectieve waarneming; iedere onderzoeker interpreteert deze gegevens op een eigen wijze. Hiermee leidt dit tot extra variabelen bij het uitvoeren van kwantitatief onderzoek op basis van de microscopiebeelden van cellen.
Doelstelling
Om dit proces te ondersteunen willen we onderzoeken of het mogelijk is om een machine learning model te trainen dat cellen en celbewegingen kan herkennen op videobeelden.
Verwachte resultaten
Het doel is om bij het positief afsluiten van het haalbaarheidsonderzoek een product te ontwikkelen dat door de universiteiten en onderzoekscentra kan worden gebruikt voor de analyse van beelden.
Impact
Daarbij verbetert dit het wetenschappelijke onderzoek en kan gericht onderzoek worden uitgevoerd naar ziekten en aandoeningen, waarmee de innovatie op termijn een positieve impact heeft op de gezondheid van Nederlanders.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- Total Perspective Vortex B.V.penvoerder
Land(en)
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Smart, Event-Based Microscopy for Cell BiologyCyberSco.Py is a software that automates real-time image analysis in microscopy, enhancing experimental capabilities in quantitative cell biology through smart decision-making algorithms. | ERC Proof of... | € 150.000 | 2023 | Details |
Dynamical Recurrent Visual PerceiverThe project aims to develop DRVis, an algorithm that enhances computer vision tasks using low-resolution frames from moving cameras, targeting applications in smart agriculture and drone navigation. | ERC Proof of... | € 150.000 | 2022 | Details |
ADAPTIVE OPTICAL METASURFACES FOR REAL-TIME, LABEL-FREE AND NON-DESTRUCTIVE 7D DIGITAL PATHOLOGYOPTIPATH aims to revolutionize tissue diagnosis by providing real-time, non-destructive 3D imaging using advanced optical technologies and machine learning to enhance accuracy and reduce variability. | EIC Pathfinder | € 3.276.577 | 2025 | Details |
Deep Label-Free Cell Imaging of Liquid Biopsies for Cancer MonitoringDevelop and commercialize a label-free interferometric phase microscopy device with AI for cost-effective cancer diagnosis and monitoring via liquid biopsies. | ERC Proof of... | € 150.000 | 2023 | Details |
Development of an In-Vivo Brillouin Microscope (with application to Protein Aggregation-based Pathologies)This project aims to enhance Brillouin Microscopy for real-time, non-destructive assessment of viscoelastic properties in living cells, addressing key biomedical challenges. | EIC Pathfinder | € 3.333.513 | 2023 | Details |
Smart, Event-Based Microscopy for Cell Biology
CyberSco.Py is a software that automates real-time image analysis in microscopy, enhancing experimental capabilities in quantitative cell biology through smart decision-making algorithms.
Dynamical Recurrent Visual Perceiver
The project aims to develop DRVis, an algorithm that enhances computer vision tasks using low-resolution frames from moving cameras, targeting applications in smart agriculture and drone navigation.
ADAPTIVE OPTICAL METASURFACES FOR REAL-TIME, LABEL-FREE AND NON-DESTRUCTIVE 7D DIGITAL PATHOLOGY
OPTIPATH aims to revolutionize tissue diagnosis by providing real-time, non-destructive 3D imaging using advanced optical technologies and machine learning to enhance accuracy and reduce variability.
Deep Label-Free Cell Imaging of Liquid Biopsies for Cancer Monitoring
Develop and commercialize a label-free interferometric phase microscopy device with AI for cost-effective cancer diagnosis and monitoring via liquid biopsies.
Development of an In-Vivo Brillouin Microscope (with application to Protein Aggregation-based Pathologies)
This project aims to enhance Brillouin Microscopy for real-time, non-destructive assessment of viscoelastic properties in living cells, addressing key biomedical challenges.