Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives

University of Waterloo

$280,500.00

AI-enabled radiography diagnostics

EF 2020-21 · 2021-03-30

Résumé
The Project will enable improved training of deep neural networks, build models for AI-enabled COVID-19 diagnosis and risk stratification through applying few-shot learning methods, and address current limitations of the low quantity of annotated COVID-19 positive data. The Project will accelerate the development of an open-source, open-access diagnostic platform. The potential for an epidemic or pandemic caused by a high impact respiratory pathogen is increasing and the frequency of outbreaks of newly emerging diseases is rising. Exploration of few-shot learning techniques to enable improved training of deep neural networks has the potential to apply to other emerging epidemics and pandemics when the available data is limited.
Programme
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Emplacement
Waterloo|Waterloo, Ontario, Canada
Type de bénéficiaire
Academia
Numéro d'entreprise
119260685
Type
Grant
Source
Proactive Disclosure - Grants and Contributions

Tel que publié

Agreement End Date
2022-03-30
Agreement Number
969581
Agreement Start Date
2021-03-30
Agreement Title
AI-enabled radiography diagnostics
Agreement Title (French)
Radiographie diagnostique appuyée par l’IA
Agreement Type
Grant
Agreement Value
$280,500.00
Amendment Number
0
Description
The Project will enable improved training of deep neural networks, build models for AI-enabled COVID-19 diagnosis and risk stratification through applying few-shot learning methods, and address current limitations of the low quantity of annotated COVID-19 positive data. The Project will accelerate the development of an open-source, open-access diagnostic platform. The potential for an epidemic or pandemic caused by a high impact respiratory pathogen is increasing and the frequency of outbreaks of newly emerging diseases is rising. Exploration of few-shot learning techniques to enable improved training of deep neural networks has the potential to apply to other emerging epidemics and pandemics when the available data is limited.
Description (French)
Le projet permettra d’améliorer l’apprentissage par réseaux neuronaux profonds, la réalisation de modèles pour le diagnostic de la COVID-19 appuyé par l’IA et la stratification des risques par l’utilisation de méthodes d’apprentissage fondées sur de très petits ensembles de données (techniques few-shot). Il permettra de réduire les obstacles engendrés par l’insuffisance de données annotées sur les cas positifs de COVID-19, et d’accélérer la mise au point de plateformes de diagnostic à source ouverte et à accès libre. Les risques d’épidémies ou de pandémies causées par des agents pathogènes respiratoires à fort impact sont en hausse, tout comme la fréquence des éclosions de nouvelles maladies. L’examen des possibilités offertes par les techniques d’apprentissage few-shot pour l’amélioration de l’apprentissage par réseaux neuronaux profonds pourrait aider à organiser la riposte à d’autres épidémies ou pandémies dans des conditions où les données disponibles sont limitées.
Expected Results
In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.
Expected Results (French)
À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.
Federal Riding
Waterloo
Federal Riding (French)
Waterloo
Federal Riding Number
35112
NAICS Code
541710 - R&D in the physical, engineering and life sciences
Organization Code
nrc-cnrc
Organization
National Research Council Canada | Conseil national de recherches Canada
Program Name
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Program Name (French)
Programme de collaboration en science, en technologie et en innovation - Initiatives de collaboration en R-D
Program Purpose
Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.
Program Purpose (French)
Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.
Recipient Business Number
119260685
Recipient City
Waterloo|Waterloo
Recipient Country
CA
Recipient Legal Name
University of Waterloo
Recipient Postal Code
N2L 3G1
Recipient Province or Territory
ON
Recipient Type
S
Reference Number
172-2020-2021-Q4-969581