TA-financiering

ICT-gebaseerde Innovaties in de Strijd Tegen Kanker 
Hoofdaanvrager: Dr. P.A.N. Bosman (CWI) 
Medeaanvragers: Dhr. Y. Niatsetski (Nucletron Operations B.V.), Dr. T. Alderliesten (AMC) en Dr. A. Bel (AMC) 
In dit project vervult fundamenteel ICT onderzoek een sleutelrol om brachytherapie, een belangrijke bestralingsgebaseerde vorm van kankerbestrijding, naar een innoverend, hoger niveau te tillen. Computers leren van experts om betere bestralingsplannen te maken, medisch specialisten verkrijgen meer inzicht in afwegingen tussen verschillende bestralingsplannen, en vernieuwende, meer accurate, patiënt-specifieke bestralingsplannen worden mogelijk gemaakt door computermodellen te koppelen aan 3D-print technologie. 

AMUSE: Aanpasbare Model-gedreven en User-specifieke Software Ecosystemen 
Hoofdaanvrager: Prof. dr. S. Brinkkemper (UU) 
Medeaanvragers: Dr. S. Jansen (UU), Ing. R. de Jong (AFAS ERP software bv), Prof. dr. ir. H.A. Reijers (VU), Ir. D.M.M. Schunselaar MSc (TU/e) 
Extreem grote softwaresystemen worden steeds vaker in de cloud geïnstalleerd om meerdere gebruikersorganisaties op één versie van de software gelijktijdig te laten werken. Het aanbieden van exclusieve organisatie-specifieke aanpassingen wordt hierdoor complex. In het AMUSE project ontwikkelen we technieken om de code van extreem grote softwaresystemen tussen klanten te delen terwijl we organisatie-specifieke aanpassingen mogelijk houden. 

DAMIOSO: Data Mining op Hoge Resolutie Simulatie Output t.b.v. het verbeteren 
van kennis utilisatie 
Hoofdaanvrager: Prof. dr. T.H.W. Bäck (UL) 
Medeaanvragers: L. Graening PhD (Honda Research Institute Europe GmbH), Prof. dr. J.N. Kok (UL), Dr. S. Manegold (CWI) 
Het DAMIOSO-project richt zich op de ontwikkeling van algoritmes en methoden voor data-management, data-mining en extractie van kennis uit zeer grote datavolumes, afkomstig van geavanceerde simulatie software, zoals deze worden gebruikt in een verscheidenheid van bedrijfssectoren (lucht- en ruimtevaart, autoindustrie, scheepvaart, etc), teneinde design ingenieurs te kunnen ondersteunen bij ontwerptrajecten.

KIEM-financiering

Slim meten van wegen 
Hoofdaanvrager: Prof. dr. ing. P.J.M. Havinga (UTwente) 
Medeaanvrager: Ir. M. Bijlsma (Mobidot B.V.) 
De condities van de wegen voor zowel de fietspaden als normale wegen heeft grote aandacht bij de wegenbeheerders om zowel het comfort en veiligheid van het weggebruik te kunnen garanderen, maar ook om kosten te besparen door mogelijk nalatig onderhoud. Het doen van dergelijke metingen is een zeer tijdrovende en kostbare bezigheid. In het PRIME project zullen daartoe gedistribueerde algoritmes worden ontwikkeld die deze conditie automatisch gaan bepalen met behulp van de sensoren die reeds in de huidige smartphones aanwezig zijn. Het unieke van dit project is dat uit de grote hoeveelheid individueel zeer onbetrouwbare data toch een nauwkeurige schatting kan worden gemaakt van de wegcondities. Het algoritme zal worden geïntegreerd in bestaande software van de private partij dat reeds door diverse gemeentes wordt gebruikt. 

MRI Analyse met Diepe Neurale Netwerken 
Hoofdaanvrager: Prof. dr. M.Welling (UvA) 
Medeaanvrager: Drs. J. Sandig (Scyfer BV) 
Het analyseren van MRI scans behelst nu het extraheren van door experts vooraf bedachte features. Wij gaan via “deep learning” automatisch nieuwe features en biomarkers leren uit data. Hiervoor moeten we nieuwe technologie ontwikkelen om met de hoge dimensionaliteit van MRI scans om te kunnen gaan. We doen dit in een sterk consortium met neurologen, radiologen, informatici en een bedrijf gespecialiseerd in machine learning. 

BRetoPI – Van eisen aan de bedrijfsvoering naar procesverbetering 
Hoofdaanvrager: Prof. dr. ir. H.A. Reijers (VU) 
Medeaanvrager: Ir. R. Goverde (Precendence BV) 
BRetoPI is een software-platform waarmee wensen en eisen ingezameld kunnen worden ten aanzien van de bedrijfsvoering binnen een organisatie. Deze kunnen met het platform worden geanalyseerd, geclusterd en vervolgens gekoppeld aan verbeteracties voor specifieke bedrijfsprocessen. 

Overzicht door Inzicht 
Slim en robuust monitoring systeem voor bruggen 
Hoofdaanvrager: Prof. dr. ing. P.J.M. Havinga, (UTwente) 
Medeaanvragers: Ir. Ron W.H. Pepers (Heijmans Civiel BV) en Dr.ir. M. Marin-Perianu (Inertia Technology B.V.) 
Kwalitatieve data wordt gebruikt voor de statusbepaling van bruggen, waar kwantitatieve data noodzakelijk is voor verdere optimalisatie van het beheer- en onderhoudsprogramma. In dit project wordt een concept ontwikkeld voor een betaalbaar maar robuust en nauwkeurig conditiebewakingssysteem voor bruggen. Een theoretisch brugmodel wordt ontwikkeld op basis  daarvan inzicht wordt verkregen in huidige en toekomstige status. Middels monitoring wordt data verzameld van de cruciale brugonderdelen voor toetsing en bijstelling van het actuele brugmodel als fundament voor bepaling van het beheer- en onderhoudsprogramma van bestaande bruggen. Dit zal de eigenaar en onderhouder van de brug helpen om de juiste onderhoudsbeslissingen te nemen. 

R as a Query Language
Hoofdaanvrager: dr. H.F. Mühleisen (CWI)
Medeaanvrager: BeDataDriven
In het project zullen statistische analyse en data management worden geïntegreerd, om betere prestaties en een dieper inzicht in de data te verkrijgen.

Watt doet mijn dak 
Hoofdaanvrager: Prof. dr. H.J. Kappen (RUN) 
Medeaanvrager: Ing. H.A. Carp (Alliander NV) 
Het gebruik van zonne-energie voor onze dagelijkse energiebehoefte wordt steeds groter. Echter, de zon schijnt niet altijd en daarom is de opbrengst onzeker. Voor het plannen van het toekomstige energieaanbod is het nuttig om de korte termijn opbrengst van zonne-energie te kunnen voorspellen. In dit project wordt zelf-lerende software ontwikkeld die op basis van historische data van zonnepanelen het toekomstige aanbod kan voorspellen. 

COSPREMO: Geavanceerde consumenten risico scoring door voorspellende nietlineaire regressie modellen 
Hoofdaanvrager: Prof. dr. T.H.W. Bäck (UL) 
Medeaanvragers: Dr. Michael T.M. Emmerich (UL), Prof. dr. Joost N. Kok (UIL), Mark van den Akker (SuperGraph BV) 
In de financiële dienstverlening, is de risico-score van consumenten, het belangrijkste instrument om het claim- of wanbetalingsrisico’s van een lening, hypotheek of verzekering vast te stellen en daarom van essentieel belang voor het het bedrijfsmodel van de gehele financiële sector. Het COSPREMO-project richt zich op de ontwikkeling verbeterde consumenten risico scoring door gebruik te maken van state-of-the-art data mining en optimalisatie algoritmes, met een zeer grote uitbreiding van consument kenmerken, teneinde de competitieve positieve van de financiële sector te versterken. 

Een zorgpad beslissingsondersteuningssysteem van de volgende generatie 
Hoofdaanvrager: Dr. P.M.E. van Gorp (TU/e) 
Medeaanvragers: Dr. ir. Paul de Clercq (Medecs BV), Prof. dr. ir. Uzay Kaymak (TU/e), Prof. dr. Erik Korsten (Catharina Ziekenhuis Eindhoven, TU/e), Dr. Richard Vdovjak (Philips Research) 
Het DARTS-CSI project zal nieuwe technieken onderzoeken om beslissingsondersteuningssystemen de essentie van bijzaak te laten onderscheiden. In het bijzonder zullen vooraf analyses gedaan worden om te ontdekken welke zorgpad afwijkingen gevaarlijk zijn voor de patiënt veiligheid. De resultaten van die analyses zullen gebruikt worden om slimme checklists te configureren. 

MASS: Monitoren van Topschaatsers 
Hoofdaanvrager: Prof. dr. J.N. Kok (UL) 
Medeaanvragers: Jac Orie, MSc (Men’s Speeds Skating BV), Dr. Arno Knobbe (HvA), Dr. Jacomine Ravensbergen (HvA) 
Binnen de schaatsploeg van Jac Orie wordt al jaren op wetenschappelijke wijze gedetailleerde data verzameld over training, conditie en wedstrijdresultaten. Binnen dit project werken de schaatscoach, bewegingswetenschappers en data scientists samen om patronen te ontdekken in deze jarenlange trainingshistorie van de Olympisch sporters. Op wetenschappelijke wijze zullen analyses gemaakt worden van effectieve trainingstrategieën, en zullen tools ontwikkeld worden om schaatstrainers in staat te stellen een vergelijkbare aanpak te ontwikkelen. 

Zoekmachines die door de ogen van de gebruikers kijken 
Hoofdaanvrager: Dr. E.L. van den Broek (UU) 
Medeaanvrager: Dr. Frans van der Sluis (IX B.V.) 
Informatie is meer dan alleen nuttig. De onderzoeker gaat computers leren meten en verklaren wat informatie voor ons interessant, verwarrend, of juist makkelijk maakt. Dit gebeurt, letterlijk en figuurlijk, door de ogen van de gebruiker. 

Snap de avatar: een interactieve sociale cognitie training met Virtual Reality bij psychose 
Hoofdaanvrager: Dr. W.A. Veling (UMC Groningen) 
Medeaanvragers: Ir. Guntur Sandino (CleVR B.V.), Dr. Catholijn Jonker (TUD), Dr. Marieke Pijnenborg (RUG) 
Mensen met een psychotische stoornis hebben vaak moeite met herkennen van emoties en het begrijpen water omgaat in anderen. Oefenen in virtuele sociale situaties kan deze problemen wellicht verminderen. In dit project wordt de dynamische en interactieve Virtual Reality training ontwikkeld die daarvoor nodig is. 

Betrouwbaarheid van open-source robot software 
Hoofdaanvrager: Dr. ir. M. Wisse (TUD) 
Medeaanvragers: Arie van den Ende (Delft Robotics BV), Ir. Gijs van der Hoorn (TUD) 
Fabrieksrobots kunnen sinds kort op redelijk betaalbare wijze intelligent en dus flexibel inzetbaar gemaakt worden. Het open-source platform “ROS-Industrial” biedt software componenten voor bijvoorbeeld 3D beeldverwerking en zelfstandige bewegingsplanning. De industrie zou hier krachtig van kunnen profiteren, maar zijn die software componenten wel betrouwbaar? In dit project wordt een  nieuw type test ontwikkeld, waarbij echte robots worden gekoppeld aan de te testen software. Zo kan objectief worden vastgesteld of een nieuw software component voldoet aan industriële betrouwbaarheidseisen. ​​

Ontwerp van een draadloos sensornetwerk voor hoge resolutie monitoring en control van stroomgebieden en dijken 
Hoofdaanvrager: Prof. dr. ing. P.J.M. Havinga (UT) 
Medeaanvragers: Ir. K. Zhang (TerraTeq), Prof. dr. C.J. Ritsema (WUR), Willem de Vries (InTech), Dr. S. Reth (Umwelt-Geräte-Technik GmbH) 
De essentie van het project omvat het ontwikkelen van een draadloos sensor-netwerk om daarmee o.a. regen, bodemvocht en afvoer continu en in hoge dichtheid te monitoren. Dit moet ons inzicht geven in het functioneren van een stroomgebied en watermanagement in dijken en de mogelijkheden voor real-time, locatie-specifiek waterbeheer en beheer van overstromingsrisico’s vergroten.