Projets novateurs réalisés

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

30 508 projets complétés

2882
AB
5105
C.-B.
825
MB
681
NL
860
SK
9051
ON
9491
QC
97
PE
586
NB
1141
NS

Projets par catégorie

Optel : Détection d’anomalies en traçabilité

OPTEL est un fournisseur majeur de systèmes de traçabilité, de suivi et de vision pour un nombre croissant d’industries, notamment l’industrie pharmaceutique, les appareils médicaux, l’alimentation et les boissons, l’agrochimie, les métaux et les minéraux.
Dans le cadre de ce stage, un pipeline de collecte de rapports sera construit sur une entité (usine, entrepôt ou autre) possédant un long historique de traçabilité et de sérialisation. Des techniques de recherche par apprentissage automatique seront ensuite mises en place pour détecter les tendances anormales d’activité de traçabilité et de sérialisation (incluant, parmi d’autres, flow incomplet, durée anormale, bilan de masse
problématique, numéro de série inutilisés, ou combinaisons de ces différents facteurs).
Enfin, les valeurs aberrantes seront étudiées par une équipe d’experts internes afin de déterminer s’il s’agit d’entrées invalides ou de problèmes pouvant être adressés sur le plancher de production et ainsi fournir des pistes d’amélioration. Finalement, une structure logicielle de suivi en temps réel sera proposée et une preuve de concept montrant son fonctionnement dans un contexte opérationnel sera développée.

Voir la description complète du projet
Superviseur du corps professoral :

Christian Gagné;Thierry Duchesne

Étudiant :

Partenaire :

Solution Map Track Inc.

Discipline :

Computer science

Secteur :

Manufacturing

Université :

Université Laval

Programme :

Accelerate

MosAI: Graphes relationnels des interactions humaines dans les canaux numériques

MosAl est une entreprise avant-gardiste specialisee dans l’analytique, concevant des cartes sociales pour les entreprises qui transcendent les limites traditionnelles. En cette ere de travail a distance et d’environnements hybrides, MosAl adresse le defi sans precedent de maintenir et de comprendre les dynamiques d’equipe. Le projet vise a dechiffrer les metadonnees des plateformes numeriques, creant un ‘graphe social’ en temps reel pour reveler les schemas et comportements au sein des organisations. Les defis incluent l’analyse de grandes quantites de donnees et la conversion de ces analyses en solutions realisables. Ce travail, qui s’inscrit dans la phase initiale d’un projet plus vaste, a le potentiel de revolutionner la maniere dont les entreprises comprennent et naviguent dans les interactions humaines dans le monde numerique, et sera ulterieurement publie pour partager ces decouvertes.

Voir la description complète du projet
Superviseur du corps professoral :

Christian Gagné;Josée Desharnais

Étudiant :

Partenaire :

Mosai

Discipline :

Computer science

Secteur :

Professional, scientific and technical services

Université :

Université Laval

Programme :

Accelerate

Capture et rendu de scènes dynamiques à partir de vidéos noncalibrées

Dans le domaine des effets visuels, il est commun de vouloir insérer des composantes virtuelles dans des scènes réelles. Par exemple, on pourrait vouloir rajouter un robot créé numériquement aux côtés d’acteurs réels. De plus, il également commun de vouloir reproduire l’apparence d’une scène réelle à partir d’un point de vue différent de
celui capturé par la caméra. Ces deux scénarios ont en commun qu’ils donnent aux réalisateurs un plus grand potentiel créatif car les conditions réelles de capture n’ont pas à être reproduites parfaitement dans la vidéo finale. La problématique avec l’état de l’art actuel est que la majorité des techniques développées jusqu’à présent posent
l’hypothèse (limitante) que la scène capturée est parfaitement statique : aucun objet ne peut bouger. Il est clair que cela pose un problème majeur pour toute application dans le domaine des effets visuels. En effet, on vise ici à produire des films qui, naturellement, contiennent du contenu dynamique. Le CDRIN cherche donc à améliorer
la capacité des approches basées sur les NeRFs à modéliser les scènes dynamiques, en particulier à partir de vidéos non-calibrés, capturés par des caméras tenues en main.

Voir la description complète du projet
Superviseur du corps professoral :

Jean-Francois Lalonde

Étudiant :

Partenaire :

Centre de développement et de recherche en intelligence numérique

Discipline :

Computer science

Secteur :

Professional, scientific and technical services

Université :

Université Laval

Programme :

Accelerate

Improving Magnetic Resonance Imaging of Patients with Deep Brain Stimulation Devices

Magnetic Resonance Imaging (MRI) is a safe way to non-invasively probe the body, particularly for imaging soft tissues. In Canada, MRI use is growing, but there’s a concern with people who have medical devices inside them, as the strong magnets used in MRI could cause problems for these devices. Doctors are interested in using MRI to help guide treatment of certain patient populations using Deep Brain Stimulation (DBS) devices, however these are the devices for which strong MRI magnets can be a concern. Currently, doctors use standard MRI machines but limit the capabilities of the MRI to ensure safety. However, with the development of state of the art lower field MRI scanners, there is potential to maintain safety due to a weaker magnet while attaining clearer images. This project aims to validate the safety of these lower field MRI systems for patients with DBS devices and implementing approaches which could improve the images acquired by these systems. This will benefit UHN Toronto General Hospital, as clinicians there have an immediate need and desire to image people with these devices.

Voir la description complète du projet
Superviseur du corps professoral :

Kamil Uludag

Étudiant :

Partenaire :

University Health Network

Discipline :

Physics

Secteur :

Health and Related Sciences & Technology

Université :

University of Toronto

Programme :

Elevate

Medical Device Utilizing Saliva for Concussion Screening

The project involves developing a medical device to detect the clinically validated concussion biomarker, S100B. The intern’s work focuses on creating a device that can identify a specific threshold of this biomarker, crucial for identifying concussion risk. This research offers HeadFirst a unique opportunity to understand the potential of S100B in saliva for concussion diagnosis, potentially revolutionizing the industry with groundbreaking insights.
Moreover, this project is a vital starting point for our ongoing concussion research. Experience gained here, along with data and knowledge, will drive future investigations into various concussion biomarkers, allowing us to refine diagnostic techniques and potentially uncover new markers. This commitment places HeadFirst at the forefront of concussion diagnosis advancements, strengthening our reputation as a field leader, and contributing to enhanced concussion management and care.

Voir la description complète du projet
Superviseur du corps professoral :

William Anderson

Étudiant :

Partenaire :

HeadFirst

Discipline :

Engineering

Secteur :

Manufacturing

Université :

University of Waterloo

Programme :

Accelerate

La combinaison de la cyclosporine 0.09% et de la thérapie IPL dans le traitement de la sécheresse oculaire chez les porteurs de lentilles cornéennes symptomatiques : essai clinique randomisé contrôlé par simulacre

La sécheresse oculaire est un problème très répandu qui peut causer des symptômes significatifs et nuire à la santé de la surface de l’oeil. Les porteurs de lentilles de contact sont particulièrement sujets à souffrir de
sécheresse oculaire. Ce projet va étudier l’impact de la combinaison de deux traitements différents sur les gens qui portent des lentilles de contact et qui souffrent de sécheresse. Le premier traitement est une goutte, la
cyclosporine. Le deuxième est un traitement avec de la lumière intense pulsée (IPL) fait en clinique pour stimuler les glandes qui produisent les larmes. Les participants seront recrutés et recevront de la cyclosporine pendant 4
mois. La moitié du groupe recevra ensuite un traitement IPL tandis que l’autre recevra un faux traitement IPL. Ce projet permettra de voir si le produit de cyclosporine produit par la compagnie Sun Pharma convient aux gens qui
portent des lentilles de contact.

Voir la description complète du projet
Superviseur du corps professoral :

Patrick Boissy;Langis Michaud

Étudiant :

Partenaire :

SunPharma

Discipline :

Life Sciences

Secteur :

Manufacturing

Université :

Université de Sherbrooke

Programme :

Accelerate

Optimisation de l’enroulement amortisseur et de l’épanouissement polaire des grands alternateurs hydrauliques

Ce projet a pour objectif d’améliorer les alternateurs que l’on retrouve dans les barrages hydroélectriques. Les travaux se concentrent sur la partie tournante de l’appareil et plus spécifiquement dans la région qu’on appelle l’épanouissement des pôles du rotor, soit la partie près de l’entrefer. Cette région de l’alternateur est le siège de phénomènes complexes qui ont une influence sur la performance et le rendement de l’alternateur. Dans ce travail, nous proposons de comparer différentes géométries de pôles et d’en optimiser la forme pour minimiser les pertes de l’alternateur. Des études spécifiques sur le profil du pôle et la distribution des amortisseurs seront menées en considérant des géométries d’alternateurs de grande puissance à nombre d’encoches par pôle et par phase entier. Un nouveau rotor avec des formes de pôles optimisées sera conçu pour un banc d’essai disponible au laboratoire et permettra de valider expérimentalement le concept le plus intéressant.

Voir la description complète du projet
Superviseur du corps professoral :

Jerome Cros

Étudiant :

Partenaire :

GE Renewable Energy

Discipline :

Engineering

Secteur :

Manufacturing; Other services (except public administration); Utilities

Université :

Université Laval

Programme :

Accelerate

Sequent AI – Vertical Strategy

Sequent AI is a consolidation of technology companies across Canada and the U.S. The Sequent AI team is looking to develop a verticalized strategy for IT solutions across the networking, infrastructure, cloud and managed services spaces. This project will allow us to develop key metrics and strategy to bolster our current initiatives

Voir la description complète du projet
Superviseur du corps professoral :

Sandy Staples

Étudiant :

Partenaire :

Sequent AI

Discipline :

Business

Secteur :

Management of companies and enterprises

Université :

Queen's University

Programme :

Business Strategy Internship

Automated Swimming Analytics

Swimming Canada is currently working to catch up to rival nations in the areas of data acquisition from race video. To gain a significant competitive intelligence advantage over other nations, Swimming Canada needs a mechanism to gather all necessary analytics quickly, accurately, and efficiently for all athletes in a pool. Recent advances in visual machine learning technology have made it possible to track objects in diverse environments. This project will focus on using these new advances to create a computer system capable of reproducing the current manually captured race analytics. When this is completed, such information can then be passed to the coaches/athletes and utilized to further the development of athletes at a given competition, and in the long term.

Voir la description complète du projet
Superviseur du corps professoral :

Ivan Bajic

Étudiant :

Partenaire :

Own the Podium;Canadian Sport Institute Pacific

Discipline :

Engineering

Secteur :

Arts, entertainment and recreation; Health and Related Sciences & Technology; Other services (except public administration); Professional, scientific and technical services; Retail trade

Université :

Simon Fraser University

Programme :

Accelerate

Optimization of new inhibitors of type 2 serine proteases as anti-influenza agents

The proposed project aims at optimizing new antivirals to fight influenza. Current antivirals, which target proteins of the virus, suffer from severe resistance owing to mutations in the virus. Our group has identified some enzymes in the human lung that are critical for the maturation of the influenza virus. By blocking these enzymes, we expect that the proposed treatment will be a lot less prone to the development of resistance since the target is the host and not the highly mutable virus. In order to achieve this, we plan to finance, with the help of Mitacs and our partner Neomed, three post-doctoral fellows and one PhD student to optimize compounds and test their activity on the specific enzymes expressed in the human lung. This project will allow our partner Neomed to advance these molecules toward clinical development and provide a much needed alternative to current anti-influenza agents.

Voir la description complète du projet
Superviseur du corps professoral :

Eric Marsault;Richard Leduc

Étudiant :

Partenaire :

Neomed;IntelliSyn R&D;Amplia PharmaTek;Université de Sherbrooke

Discipline :

Life Sciences

Secteur :

Manufacturing; Professional, scientific and technical services

Université :

Université de Sherbrooke

Programme :

Accelerate

Understanding and Predicting Daily Shifts in Emotion with Machine Learning

Individuals’ mood can change on a moment-to-moment basis. Understanding and predicating changes in mood, however, is difficult. A Canadian technology company, called UpBeing, has developed a mobile app to help collect data on mood (among other data) multiple times in a given day. The proposed study will use cutting-edge machine learning techniques and data provided by UpBeing to predict how individual’s moods will change over time. Additional statistical analyses will also be used to help carry out the goals of this study which include: (1) identifying patterns in how people’s mood change in a given day, (2) better understanding what contributes to changes in mood, and (3) determining the best approaches to data analyses to help address missing data.

Voir la description complète du projet
Superviseur du corps professoral :

Ga Wu

Étudiant :

Partenaire :

UpBeing Inc.

Discipline :

Computer science

Secteur :

Information and cultural industries; Professional, scientific and technical services

Université :

Dalhousie University

Programme :

Accelerate

Efficient Data Representation for Wildfire Predictions

Wildfires continue to pose severe threats to ecological systems, communities, and economies worldwide. Early and accurate prediction of wildfire occurrences is crucial for effective preparedness and response strategies. This study investigates the application of machine learning methods to predict global wildfire events, utilizing the SeasFire Cubes dataset — a scientific datacube designed explicitly for seasonal fire forecasting on a global scale. Data cubes, representing three-dimensional data (time, latitude, and longitude) with 54 features, present a holistic view of the Earth’s climate variables.
The outcomes of this research contribute valuable insights into the potential of machine learning for wildfire predictions. By evaluating three different approaches on the SeasFire Cubes dataset, we offer a thorough and meaningful comparison of their performance. This comparative analysis assists wildfire management and emergency response agencies in making informed decisions regarding the adoption of machine learning methodologies based on data availability and prediction requirements. The direct comparison of three diverse approaches using the same data facilitates the extraction of best practices from each method, potentially leading to the development of new machine learning models based on these insights.

Voir la description complète du projet
Superviseur du corps professoral :

Steve Easterbrook

Étudiant :

Partenaire :

Lviv Polytechnic National University

Discipline :

Computer science

Secteur :

Artificial Intelligence; Environmental Science and Technology; Forestry

Université :

University of Toronto

Programme :

Globalink Research Award

Précédent
1...901902903904905906907...2,543
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire

Mitacs — Retour sur innovation

Mitacs est financé par le gouvernement du Canada, le gouvernement de l’Alberta, le gouvernement de la Colombie-Britannique, Research Manitoba, le gouvernement du Nouveau-Brunswick, le gouvernement de la Nouvelle-Écosse, le gouvernement de l’Ontario, Innovation PEI, le gouvernement du Québec, le gouvernement de la Saskatchewan, le gouvernement de Terre-Neuve-et-Labrador et le gouvernement du Yukon.