Diep machinaal leren voor genomische data-analyse

Doctoraatsproject Esla Timothy Anzaku

Doctoraatsproject Kwang Il Hwang

Prevalentie van vijandige voorbeelden in neurale netwerken: aanvallen, verdedigingen en opportuniteiten

Robuuste, op diep leren-gebaseerde reconstructie en segmentatie van 3-D scènes voor een verbeterde diagnose van medische aandoeningen in chirurgische video’s

Verbeteren van detectie door middel van diep leren voor toepassingen in de industrie, de milieu- en gezondheidssector

Datawetenschappen en biotechnologie

Doctoraatsproject Francesca Tozzi

Doctoraatsproject Robbe De Muynck

Multispectrale beeldvorming en machinaal leren voor optische biopsie bij abdominale kankerchirurgie

Verbetering van de therapeutische reactie op PIPAC bij kankerpatiënten met uitzaaiingen op het buikvlies via robuuste computervisie

Verbetering van de therapeutische reactie op PIPAC bij kankerpatiënten met uitzaaiingen op het buikvlies via robuuste computervisie

Automatische Detectie van Parasieten in Afbeeldingen van Stoelgang- en Bloeduitstrijkjes met Behulp van Betrouwbare Machine Learning

Isolatie, karakterisering en bioactief potentieel van bacteriën uit traditionele Cheonggukjang (CGJ) voor de ontwikkeling van functionele gefermenteerde producten

Kosteneffectieve Spatial Expression Profiling voor de ontwikkeling van tumormerkers met behulp van WSI-gebaseerde Deep Learning

Machinaal leren en sterke correlaties in complexe fysische systemen

SECRiFY: een nieuw hulpmiddel voor het bestuderen van eukaryotische eiwit secretie

SECRiFY: een nieuw hulpmiddel voor het bestuderen van eukaryotische eiwit secretie.

Verrijking van context-bewuste vectorrepresentatiemodellen met 3-D structure informatie voor eiwitten, voor verbeterde voorspelling van eiwit-secreteerbaarheid en van de plaatsen op eiwitten die door kinases gemodificeerd kunnen worden