Efficiënte gedecentraliseerde verwerking van hoge-snelheid stromende data verspreid in persoonlijke gegevenskluizen

Aggregatoren om een netwerk van Solid kluizen schaalbaar te bevragen

Aggregatoren voor het realiseren van patiëntgerichte Solid applicaties

AI voor gepersonaliseerde gezondheidszorg

Combineren van semantiek en machinaal leren voor geoptimaliseerd gebouwbeheer

Efficiënt semantisch bevragen en redeneren over gedecentraliseerde snel veranderende datastromen

Gedecentraliseerd en schaalbaar verwerken binnen een netwerk van Solid-pods

Hybride AI voor het beheer van chronische ziektes

IMPERIO: Gepersonaliseerde en engagerende digitale interventies voor gedragsverandering om langetermijneffecten te faciliteren

Adaptief semantisch redeneren op datastromen voor de gezondheidszorg

AI voor predictieve gezondheidszorg

AI voor therapeutische diagnostiek

Contextbewust diep leren voor voorspellende gezondheidszorg

Doctoraatsproject Alexander Dejonghe

Doctoraatsproject Gilles Vandewiele

Doctoraatsproject Jarne Verhaeghe

Doctoraatsproject Jonas Anseeuw

Doctoraatsproject Jonas Van Der Donckt

Doctoraatsproject Michael Weyns

Doctoraatsproject Pieter Bonte

Een holistische benadering van fysieke activiteit, sedentair gedrag, voedingsgewoontes en slaap en bijhorende determinanten: een project bij oudere volwassenen, gebruik makend van netwerk analyses en ecological momentary assessment.

Gezondheidsmonitoring rekening houdend met de context

Het realiseren van realworld- en contextbewuste herkenning van menselijk gedrag met behulp van draagbare toestellen en smartphonegegevens voor mobiele gezondheidszorgapplicaties

Kennisgraafcreatie en -incorporatie om verklaarbare hybride AI-applicaties te realiseren

Naar gepersonaliseerde gezondheidszorg door het mogelijk maken van machine learning-gestuurde agents in Solid pods

Ontwerp van een diep patiëntenmodel voor verbeterde uitkomstvoorspelling en medische ondersteuning

Predictief onderhoud en datagedreven diagnostiek

Verbeteringen in tijdreeksdata-analyse en toegepast machinaal leren in de gezondheidszorg

Voorspellende gezondheidszorg

Efficiënt en schaalbaar hiërarchisch redeneren over heterogene IoT datastromen om real-time analyses te realiseren aan de rand van het netwerk

Waardevolle inzichten ontsluiten uit grote hoeveelheden gedecentraliseerde, semantisch verrijkte data op een schaalbare, tijdige en efficiënte manier

Adaptief verbeterende anomalie detectie en oorzaak analyse door middel van semantiek en machinaal leren

Een holistische benadering van meerdere gezondheidsgedragingen en bijhorende determinanten: een project gericht op gepersonaliseerde interventies bij oudere volwassenen, gebruik makend van netwerk analyses en ecological momentary assessment

Een interpreteerbaar en performant beslissingsondersteunend systeem voor longitudinale big data

FRACTION: efficiënte semantiek-preserverende en gedecentraliseerde verwerking van Big Data verspreid in persoonlijke gegevenskluizen

Gepersonaliseerde en engagerende digitale interventies voor gedragsverandering om langetermijneffecten te faciliteren

Gepersonaliseerde geneeskunde mogelijk maken door ziektebehandelingen te optimaliseren met hybride machine learning

Hiërarchisch redeneren: een efficiënte en schaalbare oplossing om beslissingen uit heterogene datastromen te extraheren

Passief monitoren van de persoonlijke progressie van chronische ziekten en simultaan bepalen van causale verbanden in het dagelijks leven.

Verbetering van data analyse voor IoT door semantische verrijking van machine learning taken mogelijk te maken

Verklaarbare hybride artificiële intelligentie waarbij gebruikers tegenstrijdige feedback kunnen hebben

Studie en ontwerp van een gefedereerd, context-gevoelig en zelflerend redeneerplatform dat schaalbare en efficiënte geavanceerde semantische redenering op IoT datastromen mogelijk maakt

Stabiel herstel bij depressie via de combinatie van e-health and cognitieve wetenschap: ontwikkeling van een digitaal instrument om depressie te voorspellen (DEDICAT)

Verklaarbare artificiële intelligentie in een federated learning omgeving waarbij gebruikers tegenstrijdige feedback kunnen hebben