Tudományos projektek

Sajnos a tüdőröntgen alapú szűrés nem elég nagy biztonsággal mutatja ki a gócokat, CT képalkotásra van szükség. A szűrés bevezetésének egyik akadálya, hogy az óriási mennyiségű CT-felvétel feldolgozása, diagnózis készítése radiológus szakemberekkel rendkívül költséges, Szükséges tehát olyan számítógépes képelemző programok kifejlesztésére, amelyek elég nagy pontossággal felismerik a rákos daganatot egy CT-felvételen.

Az MTA SZTAKI által vezetett projekt – mely az EU és a magyar Kormány által kiemelten kezelt projektcsomag elengedhetetlen és hangsúlyos része – a matematikai és mesterséges intelligencia módszerek felfedező jellegű kutatását, valamint az eredményeknek a robotikában, a gyártó és logisztikai rendszerek tervezésében és irányításában, illetve az energetikai rendszerek menedzselésébenvaló alkalmazását célozza meg. A munkaszakaszok az alapkutatástól az alkalmazott kutatáson keresztül a kísérleti fejlesztésig épülnek egymásra, illeszkedve a projektcsomag többi eleméhez. 

A mesterséges intelligencia (AI) évtizedek óta az informatikai kutatás nagy ígérete, az ezzel kapcsolatos kutatások átformálták a gondolkodásunkat az ember-gép kapcsolatról. Az utóbbi évtizedben jelentős áttörések születtek a területen, napjainkban forradalmasítva a beszédfelismerés, gépi fordítás, számítógépes látás, egészségügyi támogató rendszerek vagy autonóm járművek és robotok alkalmazását.

Napjainkban a felsőoktatásnak szükségszerűen lépést kell tartania az infokommunikációs technológiák fejlődésével és átfogó tudást kell biztosítania a jövő nemzedékének, hogy képesek legyenek új értéket teremteni a különböző iparágazatok komplex rendszerein belül. Valamint a világpiacon szereplő vállaltoknak is szükséges a folyamatosan fejlődő termékek, folyamatok és gyártó rendszerek felügyeletének hatékony kezelése és fejlesztése.

Az EOSC-hub projekt létrehozza a jövőbeli Nyílt Tudományos Felhőjének (Open Science Cloud) integrációs és menedzsment rendszerét, amely az EGI Szövetség, az EUDAT CDI, az INDIGO-DataCloud és a főbb kutatási e-infrastruktúrák szolgáltatásainak, szoftverének és adatainak katalógusát nyújtja. Ez az integrációs és menedzsment rendszer (a Hub) a vezető európai egyesített e-infrastruktúrák folyamataira, szabályozására és eszközeire épül, hogy a szolgáltatások teljes életciklusát lefedje a tervezéstől a szállításig.

A projekt tartalma és célja az újszülöttek, különösen a koraszülött csecsemők halálozási arányát csökkentő, életben maradásának és életkilátásaiknak javítását szolgáló alap és alkalmazott kutatások eredményeinek felhasználásával támogatott fejlesztést tervezünk megvalósítani,  amely célt a konzorciális partnerek magas fokú tudományos ismereteivel és a legkorszerűbb technológiák felhasználásával érhetünk el. Eredményeként, piacképes technológiák kerülnek megalkotásra., új orvostechnikai prototípus készülékek, export és piacképes világszínvonalú termékek jönnek létre.

A projekt fő célja az egyre szélesebb alkalmazási területen elérhetővé váló 3D-s szenzorok (Microsoft Kinect, Lidar, MRI, CT, stb.) jeleit feldolgozva és fuzionálva a képi modalitások adataival olyan új szaliencia modellek kidolgozása, melyek képesek automatikusan és hatékonyan kiemelni a vizuális figyelmet vonzó régiókat.

Számos autógyártó és kisméretű légi járművekkel foglalkozó vállalat jelentett be ígéretes új alkalmazásokat az autonóm járművek területén.

A projekt célja a határvédelemmel foglalkozó felhasználó szervek igényeit figyelembe véve egy olyan módszer kidolgozása, amely különböző modalitású kamerák képeit összevetve és feldolgozva alakzatok követésé

A gépi környezet-értelmezés központi feladatai közé tartozik a megfigyelt régióban található objektumok automatikus észrevétele és felismerése, navigáció vonatkozásában ezek elkerülése, bizonyos esetekben követése. A különböző működési elven dolgozó vizuális, illetve közvetlen 3D térbeli méréseket szolgáltató szenzorok fuzionálásával eltérő modalitások előnyei ötvözhetők (nagy időbeli és térbeli felbontás, távolság, szín és megvilágítás invariancia), ugyanakkor a különböző adattípusok összeillesztése gyakran a szenzorokra jellemző egyedi kihívásokat hordoz magában.