Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

NSF CA: HEADLINE - Hälsodiagnostisk elektronisk näsa

Diarienummer
Koordinator Linköpings universitet - Linköpings tekniska högskola Inst f fysik kemi & biologi IFM
Bidrag från Vinnova 1 190 000 kronor
Projektets löptid januari 2024 - april 2025
Status Avslutat
Utlysning Convergence Accelerator - NSF

Viktiga resultat som projektet gav

Projektet beviljades inom Vinnovas och Vetenskapsrådets samarbete med amerikanska National Science Foundation (NSFs) program Covergence Accelerator 2024. Projektmålen inkluderade teknisk utveckling och testning av en befintlig prototyp för elektronisk näsa, design av ett nytt hybrid och modulärt gassensorsystem, valideringstestning, utveckling av avancerade maskininlärningsmodeller och dataanalys. Dessa mål uppnåddes gemensamt på ett tillfredsställande sätt. Det intensiva läroplansutvecklingsprogrammet gav ytterligare betydande resultat som ökade värdet på projektet. I både Sverige och USA lade projektet grunden för relevanta uppföljningsprojekt.

Långsiktiga effekter som förväntas

Som långsiktiga effekter av projektet förväntar vi oss att de erhållna resultaten kommer att accelerera vår väg från forskning till affärer, koppla samman alla inblandade partners i Sverige och USA med ett stort ekosystem av relevanta intressenter och ge alla teammedlemmar ökad kompetens, trovärdighet och erkännande utöver det svenska. gränser, både i Europa och USA. Förväntningarna är höga inom alla våra kompetensområden: vetenskapliga, tekniska, medicinska och affärsmässiga.

Upplägg och genomförande

Projektet genomfördes i nära samarbete mellan de svenska och USA-baserade teamen. Baserat på projektplanen och utvecklingen av läroplansutvecklingsutbildningen designade, tillverkade och testade partnerna olika gassensorteknologier för detektering av specifika gaser såväl som totala VOC från blodprover. Datan användes för att utveckla robusta binära klassificeringsmodeller baserade på avancerade maskininlärningsalgoritmer. Aktiviteterna anpassades dynamiskt till projektets framsteg och behov.

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 27 juni 2025

Diarienummer 2023-04186