Projets novateurs réalisés

Analyse des données d’utilisation des pompes pour perfusions afin de réduire les erreurs de médicaments et d’améliorer l’entretien

An infusion pump is a medical device that automatically administers set amounts of drugs into a patient intravenously. Drug errors occur when an incorrect dose or dose rate is programmed. To avoid such errors, a drug library is created providing dose limits for every drug. “Smart” infusion pumps provide a tracking system, saving all pump usage data, messages and errors in a database. A study on “smart” infusion pumps indicates that drug errors and drug events were detected by the drug library; however, poor compliance to the library did not reduce drug error rates if users failed to adjust dose based on the drug library. Research will be conducted, leveraging the data provided by “smart” infusion pumps to improve compliance, and in turn reduce drug errors and associated complications. In addition, research will be conducted to use infusion pump data to enhance maintenance schedules and potentially predict device failures.

Développement d’un système d’acquisition de données sportives & gestion informatique de la clientèle pour les centres sportif

Le centre d’escalade Vertige développe présentement un système de gestion de centres sportifs. Ce système se voudrait être combiné avec une technologie sportive innovante servant à analyser les performances de grimpeurs et/ou de sauteurs dans plusieurs optiques. Pour le grimpeur ou le sauteur, cela servira à améliorer la rétroaction aux entrainements, à quantifier les séances pour l’optimisation de celles-ci et à avoir des statistiques sur ses performances. Pour le gestionnaire du centre, cela permettra de savoir quels modules sont les plus appréciés et ainsi d’adapter le centre à sa clientèle. Ça servira aussi à gérer les abonnements et entrées de façon efficace et permettra aux employés de se concentrer sur le service client plutôt que sur l’admission de ceux-ci et la gestion financière.

Station de test basée sur la VR pour le dépistage de l’incapacité

In this project, a VR-based testing station for impairment screening will be implemented. The station includes a Virtual Reality (VR) goggle (to be updated to Augmented Reality, AR, later), biophysiological measurement sensors, and an integration algorithm to integrate the result of measurement with scene construction of the VR system to implement dynamic scene rendering. The project will undergo several steps including basic scene construction and depth creation to model simple scenarios for the user and to research the implementation (and effect) of different related tests on level of impairment; sophisticated rendering algorithm creation to automatically design scenes based on the application; and dynamic scene construction to receive feedback from other measurement sensors and to implement a dynamic algorithm to update the scenes based on user’s reaction.

Comprendre les interactions cellulaires avec le profilage basé sur l’apprentissage profond

L’objectif est de comprendre comment les fibroblastes, le tissu conjonctif le plus courant chez les animaux, et les cellules cancéreuses interagissent entre elles grâce à l’analyse d’images. Ces dépistages d’imagerie en co-culture, contenant des fibroblastes et des cellules cancéreuses, aideront à identifier de nouveaux mécanismes de signalisation impliqués dans le cancer. L’objectif est d’appliquer des techniques d’apprentissage profond à ces tests basés sur l’image afin d’étudier les interactions et d’identifier de nouvelles thérapies susceptibles de rendre les thérapies contre le cancer plus efficaces.

Similarité sémantique question à question pour le système de réponse à la question

Le système de réponse aux questions (QA) répond automatiquement aux questions posées par les utilisateurs en langues naturelles, et il constitue un élément crucial d’un système de conversation homme-machine. Un système d’assurance qualité typique collecte des groupes de questions-réponses écrits par des humains et les structure dans un système de base de données. Cependant, pour répondre à des questions sémantiquement similaires à celles stockées dans la base de données mais formulées différemment, le système d’assurance qualité doit être capable de calculer la similarité sémantique entre différentes questions. Dans ce projet de recherche, le stagiaire explorera différentes techniques utilisées dans la mesure de similarité sémantique question à question et tentera d’améliorer la performance à la fine pointe. En participant à ce projet, RSVP Technology Inc. pourrait générer davantage d’occasions de collaborer avec la communauté canadienne afin d’améliorer la qualité des systèmes d’assurance qualité utilisés dans de nombreux autres domaines et produits, tels que les chatbots de service à la clientèle et les appareils de maison intelligente. De plus, ce projet pourrait servir de fondement à la prochaine étape de la recherche et du développement.

Apprentissage par renforcement hors politique (RL) pour une application de robotique de production

Kindred offers eCommerce retailers a solution to assist with rapid order fulfilment from their distribution centres. The solution (SORT) is a combination of a so-called put-wall and a humanoid robot. The robot picks up items from orders, scans them, and puts each item in a cubby of the put-wall according to the scan code. The robot comprises a gripper, a 6-degree-of-freedom arm, and a stereo vision module, as well as other electronics and mechanical housing. The proposed research will explore machine learning techniques based on reinforcement learning to feed data recorded from Kindred’s production robots back into learning algorithms in order to generate new better ways for those robots to pick, scan, and stow those eCommerce customers’ orders.

Deep Learning/Computer Vision for Robotic Manipulation

Research is rapidly progressing in enhancing the Artificial Intelligence of Robotics. One backbone of this rapid change lies in Deep Learning. Deep Learning refers to new algorithms that are capable of learning behaviors after being trained by several thousands or even millions of examples of what should be done given an input. My project will be doing computer vision related research in this field. Computer vision mainly refers to tasks where a significant part of input is from a visual source, like a camera. For example, a robot would receive a video feed from a camera as input, akin to how a human would see from their eyes. My research is to delve into new ways to train a robot such that it can perform human like tasks (such as picking up objects or inserting pegs in holes) primarily using video feed input from a camera. TO BE CONT’D

Répartition de l’audience dans les géoclusters du commerce de détail

Based on the user’s geo-location, timestamp and other attributes (eg. time of day, past visit history and app behavior categories, etc.), a machine learning algorithm can be developed to find which cluster the users belong to. Overall, the data of geo-location and timestamp are used to roughly locate the potential clusters. This project will involve some techniques and algorithms like cloud computing i.e Google Cloud Dataproc, sliding windows, histogram and machine learning algorithms. The challenge of first phase would be coming up with a good way of estimating the number of clusters. Then by applying all the above techniques, the decisive attributes can be decided and combined to determine which cluster the users belong to.

Reconnaissance d’objets en temps réel sur les appareils portables

L’objectif du projet est de mettre en place des modèles de reconnaissance d’objets à la fine pointe de la technologie en temps réel sur des appareils portables. Ces dispositifs visent à aider les personnes vivant avec une déficience visuelle en fournissant une description de leur environnement extérieur et en offrant des conseils de navigation. Cela améliorerait l’expérience des utilisateurs en leur permettant d’accomplir les tâches quotidiennes habituelles avec beaucoup plus de facilité et de sécurité.

Évaluation et résolution des disparités en santé liées à l’utilisation des services de soins préventifs en Ontario

Les disparités en santé surviennent à la suite d’un désavantage et d’une discrimination sociétaux de longue date. À mesure que les modèles d’apprentissage automatique gagnent en popularité dans le secteur de la santé, la compréhension des disparités actuelles en santé devient encore plus cruciale. Sans une gestion attentive des biais existants, les modèles peuvent hériter et amplifier les disparités en santé, menant à des résultats cliniques très indésirables. Ce projet se concentre sur les disparités de santé dans l’accès aux services de soins préventifs. Les services de soins préventifs tels que le dépistage et la médecine préventive permettent un diagnostic précoce et des interventions rapides. Ce projet vise à comprendre si et comment les modes d’utilisation des soins préventifs aggravent les disparités en santé en Ontario, en employant des techniques avancées d’exploration et de visualisation de données. Après avoir établi une telle relation, ce projet fournit également un outil individuel de profilage des risques pour évaluer l’efficacité des services préventifs, en utilisant des techniques avancées de représentation des caractéristiques et d’apprentissage profond.

Prévision de la charge électrique

Load forecasting is an essential activity for a company like Hydro-Québec. It is necessary for objectives as varied as the management of production or the management and maintenance of the electricity network. Any significant forecasting error can result in reliability issues, loss of opportunity, or additional costs to the business. On the other hand, a good prediction would allow Hydro-Québec to generate additional sales in neighboring markets. With the deployment of its Advanced Measurement Infrastructure (AMI), Hydro-Québec now has a significant amount of new consumption data. This data can be used to improve demand forecasting, increasing reliability, decreasing expenses, and potentially generating new revenue.TO BE CONT’D

Role of transthoracic impedance and current in synchronized electricalcardioversion

Synchronized cardioversion is a medical treatment that applied an electrical pulse to restore a normal heart rhythm is patients with an abnormally fast heart rate or cardiac arrhythmia. A successful cardioversion is dependent on the amount of electrical current that reaches the heart, which depends on the strength of the electrical pulse and the transthoracic impedance (electrical impedance of the body). If a cardioversion is not successful, additional attempts

are often made; however, repeated delivery of a large electrical pulse is not desired. Increasing the strength of the electrical pulse is also not ideal as it increases the chances of complications. This research will investigate the role of transthoracic impedance on cardioversion, which will also include the effect of different paddle placement. Outcomes of this research will help improve the efficacy of cardioversion, increase the success of treatments, while minimizing the strength of the electrical pulse.