Projets innovants réalisés

Explorez des milliers de projets réussis résultant de la collaboration entre les organisations et les talents postsecondaires.

13270 Projets terminés

1072
AB
2795
C.-B.
430
MO
106
NF
348
SK.
4184
L’ONT
2671
QC (EN)
43
PE
209
N.-B.
474
N.-S.

Projets par catégorie

10%
Informatique
9%
Génie
1%
Ingénierie - biomédicale
4%
Ingénierie - chimique / biologique

Segmentation des images de microscopie 3D

L’imagerie in vivo offre une occasion unique d’examiner l’activité cellulaire complexe dans les tissus vivants. Les images produites par ces expériences sont difficiles à analyser manuellement, généralement appliquées à des tests de culture cellulaire monocouches (c’est-à-dire des cellules dans un plat). Les progrès récents de l’apprentissage profond permettent d’analyser ces images tissulaires in vivo avec plus d’efficacité et de précision. Ce projet appliquera la technologie de segmentation et de classification basée sur l’apprentissage profond à un ensemble de données fourni par une société pharmaceutique collaboratrice. Des algorithmes d’apprentissage profond seront développés pour segmenter différents types de cellules et structures vasculaires dans l’ensemble de données et quantifier les caractéristiques (c’est-à-dire la longueur, le volume, le nombre de protrusion, l’intensité du marqueur) de ces objets. Ces caractéristiques seront utilisées pour évaluer l’efficacité des traitements thérapeutiques.

Voir la description complète du projet
Superviseur de la faculté :

Sanja Fidler

Etudiant :

Kshitij Gupta

Partenaire :

Phenomic AI Inc. (en)

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Détection d’erreurs peropératoires sur la vidéo chirurgicale basée sur l’analyse de la vision par ordinateur

Les erreurs peropératoires qui se produisent dans les événements indésirables ont été une préoccupation majeure dans l’industrie des soins de santé et de la chirurgie. Classiquement, l’évaluation des erreurs-événements se fait par un examen par un chirurgien par les pairs, ce qui prend du temps et est coûteux. Avec les progrès de l’apprentissage automatique et des techniques de vision par ordinateur, il est possible de garder une trace des procédures chirurgicales de l’opération sur la base de vidéos chirurgicales enregistrées pour évaluer et classer les erreurs survenues. Avec l’algorithme basé sur la vision par ordinateur proposé, on s’attend à ce qu’il prédise l’événement d’erreur pendant la chirurgie dans un processus évolutif pour assurer un meilleur et plus sûr patient et environnement chirurgical.
Étant donné que l’algorithme de détection d’erreurs peropératoires est principalement formé sur des données vidéo chirurgicales enregistrées, on s’attend à ce qu’il ait un impact sur l’amélioration de la prise de décision et des performances dans les opérations futures pour les patients complexes et les circonstances chirurgicales.

Voir la description complète du projet
Superviseur de la faculté :

Sanja Fidler

Etudiant :

Yichen Zhang

Partenaire :

Surgical Safety Technologies Inc. (en)

Discipline :

Informatique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Explorer le lien entre la conception et la pensée computationnelle à travers l’industrie et les contextes éducatifs

Dans le monde d’aujourd’hui, au rythme rapide et axé sur la technologie, il est d’une importance primordiale que nous profitions de différentes façons de résoudre les problèmes, de générer les solutions les plus efficaces. Une façon d’atteindre cet objectif est d’adopter différentes façons de penser à la façon dont nous résolvons les problèmes. Il peut être d’une grande valeur de baser la résolution de problèmes que nous enseignons dans l’éducation en utilisant les bases de la pensée de conception et de l’informatique, deux disciplines existantes. Cependant, la recherche n’a pas encore évalué comment ces types de pensée peuvent être liés dans différents contextes, comme l’éducation et l’industrie. Dans le cadre de ce projet, le stagiaire travaillera avec un expert universitaire et un partenaire de premier plan de l’industrie pour élaborer et évaluer du matériel éducatif amélioré par la technologie. Ce faisant, le stagiaire acquerra de l’expérience en collaborant avec des experts de l’éducation, des affaires et de la robotique, et le partenaire de l’industrie bénéficiera des résultats de recherche des stagiaires dans l’élaboration de matériel éducatif basé sur le programme d’études.

Voir la description complète du projet
Superviseur de la faculté :

Julie Mueller

Etudiant :

Eden Hennessey

Partenaire :

InkSmith Ltd

Discipline :

L’éducation

Secteur :

L’éducation

Université :

Programme :

Accélération

Évaluation des lacunes et des possibilités : Connaissances de l’industrie et capacité d’utilisation des pompes à chaleur à grande échelle

Cette recherche est fondée sur la reconnaissance du fait que la technologie des pompes à chaleur a le potentiel de réduire les émissions de gaz à effet de serre (GES) et la dépendance aux combustibles fossiles, tout en fournissant le chauffage des locaux, le refroidissement des locaux et l’eau chaude sanitaire. Tant à l’échelle internationale que dans le contexte de l’Ontario, un manque de connaissances et de capacité de l’industrie a été noté comme un obstacle à l’adoption des technologies de pompe à chaleur. Ce projet vise donc à mieux comprendre les connaissances de l’industrie et les lacunes en matière de capacité pour la modernisation des pompes à chaleur en Ontario, et plus particulièrement dans le secteur des immeubles résidentiels à logements multiples de l’Ontario. La recherche examinera les stratégies potentielles pour surmonter cet obstacle et créer une plus grande harmonisation entre les acteurs clés tels que (mais sans s’y limiter) les décideurs, les établissements de formation et d’enseignement, les services publics et les associations commerciales. À CONT’D

Voir la description complète du projet
Superviseur de la faculté :

Mark Winfield

Etudiant :

Susan Wyse

Partenaire :

Office de protection de la nature de Toronto et de la région

Discipline :

Sciences de l’environnement

Secteur :

Énergies de remplacement

Université :

Programme :

Accélération

Optimisation du clonage vocal

Un outil d’intelligence artificielle capable de générer un discours à consondage naturel peut être intégré dans de nombreux services précieux tels que des agents conversationnels pour les personnes handicapées et des assistants conversationnels. Un tel outil, lorsqu’il est équipé de la capacité d’imiter les caractéristiques vocales des individus, améliorera la personnalisation de ces services. Dans ce projet, le stagiaire cherchera à développer un modèle de clonage de voix à la fine pointe de la technologie. Les deux principaux programmes de recherche qui sous-tendent ce projet sont les suivants : développer un modèle de clonage de voix économe en données avec une qualité de synthèse vocale élevée ; enrichir les modèles de clonage de voix avec la capacité de manipulation des propriétés vocales pour la synthèse vocale. Sur l’ancien ordre du jour, le stagiaire se mettra à développer un modèle qui nécessite un ajustement minimal pour ramasser les caractéristiques vocales d’un nouveau haut-parleurs et les utiliser pour générer des échantillons audio réalistes. À CONT’D

Voir la description complète du projet
Superviseur de la faculté :

David Duvenaud

Etudiant :

Wei Zhen Teoh

Partenaire :

Lyrebird AI

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Reconnaissance des formes du modèle analytique de réservoir

L’optimiseur de production proposé utilise les données de production (taux, rapport eau/huile, pression), isolément ou avec des données géologiques, et l’intelligence artificielle pour déterminer les facteurs limitatifs dans les puits et les champs. Plus précisément, l’optimiseur de production proposé détermine l’huile d’origine en place (OOIP), la perméabilité moyenne, la distribution de perméabilité et la perméabilité relative pour les puits et, par extension, les réservoirs. Ces informations de caractérisation du réservoir sont ensuite utilisées pour optimiser le champ.

Voir la description complète du projet
Superviseur de la faculté :

Stevan Dubljevic

Etudiant :

Junyao Xie

Partenaire :

Res-Solve Solutions

Discipline :

Ingénierie - chimique / biologique

Secteur :

Pétrole et gaz

Université :

Programme :

Accélération

Détection précoce des symptômes de la maladie d’Alzheimer à l’aide de la parole longitudinalement

Un symptôme précoce de la maladie d’Alzheimer est la difficulté à se souvenir des événements récents. Ces tendances se reflètent dans les problèmes de langage et de modèles de discours. Les modèles de parole d’un individu peuvent donc être utilisés pour déterminer les trajectoires du déclin cognitif préclinique. La différence dans les tendances cognitives sur les groupes de sujets, analysées à l’aide de données vocales collectées sur une longue période de temps, peut être utilisée pour détecter la maladie d’Alzheimer avant même qu’elle puisse être confirmée cliniquement.
Avec l’aide de modèles d’apprentissage automatique, ce processus peut être entièrement automatisé en utilisant des systèmes de reconnaissance vocale automatique pour transcrire la parole suivie d’une analyse de ces transcriptions. Ce projet explorera des stratégies basées sur l’apprentissage automatique pour automatiser le pipeline de diagnostic précoce de la SA.

Voir la description complète du projet
Superviseur de la faculté :

Yang Xu

Etudiant :

Aparna Balagopalan

Partenaire :

WinterLight Labs Inc. (en)

Discipline :

Informatique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Développement de prototypes de suivi de l’hygiène des mains

SafeContact est une société de prévention et de réduction des infections nosocomiales (HAI) platform-as-a-Service (PaaS). Nous nous attaquons à l’épidémie mondiale d’IASS en suivant la source de la propagation de l’IAS à l’aide d’un concept technologique unique sur le marché. SafeContact construit une plate-forme de soins de santé intelligente qui combine des techniques traditionnelles avec les dernières avancées technologiques : vision par ordinateur, intelligence artificielle, appareils de l’Internet des objets, Big Data et apprentissage automatique pour surveiller le comportement d’hygiène des mains pour un impact durable sur la sécurité des patients. Ce projet aidera SafeContact à faire du prototypage pour suivre les événements d’hygiène des mains dans un milieu de soins de santé. L’achèvement de ce projet permettra à SafeContact d’obtenir du capital de risque pour commercialiser la méthodologie et le modèle d’affaires en matière d’hygiène des mains, ce qui profitera non seulement à l’Alberta, mais aussi aux autres provinces. Bien qu’elle cible initialement les services de santé, cette plateforme sera éventuellement disponible dans d’autres secteurs, p. ex. les restaurants et d’autres chaînes d’approvisionnement alimentaire, dans le monde entier, apportant des avantages économiques et technologiques au Canada.

Voir la description complète du projet
Superviseur de la faculté :

Irene Cheng

Etudiant :

Leyuan Yu

Partenaire :

SafeContact Solutions Inc.

Discipline :

Informatique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Détection des risques cognitifs à l’aide de l’apprentissage profond

CRISP est une initiative internationale de développement de Deloitte visant à aider certains de nos plus grands clients à comprendre et à gérer le risque d’entreprise. CRiSP signifie Cognitive Risk Sensing, et il se concentre sur l’utilisation de grandes sources de données pour la plupart non structurées (c’est-à-dire un échantillon de 10% de l’ensemble de Twitter, des milliers d’agrégateurs de nouvelles, etc.) pour comprendre et prévoir le risque pour les clients. L’objectif de l’étudiant est d’appliquer de nouvelles méthodes d’apprentissage automatique, d’exploration de données et de traitement du langage naturel pour extraire l’opinion des utilisateurs sur les produits des médias sociaux et des commentaires des clients. Le défi est que ces données sont très volumineux et peuvent provenir de plusieurs domaines distincts.

Voir la description complète du projet
Superviseur de la faculté :

Frank Rudzicz

Etudiant :

Scarlett Guo

Partenaire :

Deloitte

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Initialisation basée sur la démonstration d’algorithmes d’apprentissage par renforcement pour un contrôle robotique efficace

Le produit Kindreds Sort est un système robotique qui fonctionne dans les centres de distribution de commerce électronique pour trier et manipuler les vêtements et les marchandises générales. Le système déployé est contrôlé par une combinaison d’intelligence artificielle et de téléopération humaine dans la boucle. Le projet proposé implique l’application de techniques de l’intelligence artificielle (en particulier l’apprentissage automatique et l’apprentissage par renforcement) pour améliorer le rapport entre le contrôle automatique et le contrôle humain. L’hypothèse de base du projet est que les données historiques collectées à partir de la téléopération humaine des robots effectuant des tâches de saisie d’objets peuvent être utilisées pour entraîner les robots à ramasser automatiquement les objets. Cette tâche est un problème de recherche difficile à la pointe du contrôle robotique et de l’IA, et elle sera abordée avec une combinaison de recherche universitaire de pointe et d’algorithmes développés en interne.

Voir la description complète du projet
Superviseur de la faculté :

Sven Dickinson

Etudiant :

Ryan Dick

Partenaire :

Kindred Systems Inc. (en)

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Exploration de méthodes et de modèles pour parvenir à une compréhension multi-documents dans le domaine juridique

Le projet tente de relever un défi important en intelligence artificielle (IA), de donner à une machine une capacité à comprendre plusieurs documents comme le font les humains. Ceux-ci peuvent faire la recherche redondante ou préliminaire basée sur la lecture effectuée dans de nombreux domaines. Le projet vise à créer un système qui peut lire, comprendre et répondre aux questions et / ou résumer plusieurs documents juridiques en un seul coup. Le projet s’aligne sur la feuille de route et la vision de ROSS pour compléter et améliorer la qualité et la capacité des outils de recherche, disponibles à la disposition d’un avocat moyen et augmenter le temps passé avec leurs clients. Un système aussi puissant nécessite la capacité de comprendre les requêtes faites dans un langage naturel tel que l’anglais. Par conséquent, le système sera développé à l’aide de nouvelles techniques de traitement du langage naturel (TALN) de pointe basées sur l’IA. À CONT’D

Voir la description complète du projet
Superviseur de la faculté :

Frank Rudzicz

Etudiant :

Manasa Bharadwaj

Partenaire :

ROSS Intelligence Inc. (en)

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Identification des accidents de véhicules et des conducteurs à haut risque à l’aide de l’apprentissage automatique

L’objectif principal du projet est d’aborder le problème de la compréhension de la véritable causalité des accidents de véhicules et de déterminer scientifiquement quels véhicules et conducteurs sont les plus à risque d’accident du point de vue de l’apprentissage automatique. Geotab a un certain nombre de collisions identifiées dans les avions X, Y et Z, et bien plus encore. La recherche viserait à utiliser à la fois les données geotabs en plus de données externes telles que la météo et la topographie pour développer un modèle prédictif qui peut identifier les conducteurs les plus à risque d’accident. Cela peut être basé uniquement sur le comportement de conduite actuel et / ou les antécédents de conduite.
Les résultats de ce projet sont importants pour aider nos plus de 20 000 clients de flottes commerciales à comprendre les véritables risques pour la sécurité qui existent dans leur flotte en tirant parti d’une nouvelle approche d’apprentissage automatique qui va au-delà d’un score générique. À CONT’D

Voir la description complète du projet
Superviseur de la faculté :

Roger Grosse

Etudiant :

Meng Zhang

Partenaire :

Géotab

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Précédent
1...784785786787788789790...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire