Artificial Intelligence for Emergency Medical Services: a smart digital assistant for faster and more accurate cardiac arrest recognition during emergency calls

Projektinformationen

AI4EMS

ID Finanzhilfevereinbarung: 823383

DOI 10.3030/823383

Projekt abgeschlossen

EK-Unterschriftsdatum 20 August 2018

Startdatum 1 August 2018

Enddatum 31 Januar 2020

Finanziert unter

• INDUSTRIAL LEADERSHIP - Innovation In SMEs

Gesamtkosten € 2 055 976,25

EU-Beitrag € 1 439 183,00

Koordiniert durch

CORTI APS
Denmark

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Leistungen

Websites, patent fillings, videos etc. (1)

AI4EMS online content

AI4EMS online content. The project content will be divide in a public section and a restricted area (accessible only to the project participants and the EC officers allocated to the project) for uploading and downloading of all of the project reports and documents.

Veröffentlichungen

Peer reviewed articles (1)

Machine learning as a supportive tool to recognize cardiac arrest in emergency calls

Autoren: Stig Nikolaj Blomberg, Fredrik Folke, Annette Kjær Ersbøll, Helle Collatz Christensen, Christian Torp-Pedersen, Michael R. Sayre, Catherine R. Counts, Freddy K. Lippert
Veröffentlicht in: Resuscitation, Ausgabe 138, 2019, Seite(n) 322-329, ISSN 0300-9572
Herausgeber: Elsevier BV
DOI: 10.1016/j.resuscitation.2019.01.015

Conference proceedings (5)

Utilizing Domain Knowledge in End-to-End Audio Processing

Autoren: Tycho Max Sylvester Tax, Jose Luis Diez Antich, Hendrik Purwins, Lars Maaløe
Veröffentlicht in: 31st Conference on Neural Information Processing Systems (NIPS 2017), 2017
Herausgeber: NIPS

BIVA: A Very Deep Hierarchy of Latent Variables for Generative Modeling

Autoren: Lars Maaløe, Marco Fraccaro, Valentin Liévin, Ole Winther
Veröffentlicht in: arXiv preprint arXiv:1902.02102, 2019
Herausgeber: arXiv

Exploiting Nontrivial Connectivity for Automatic Speech Recognition

Autoren: Marius Paraschiv, Lasse Borgholt, Tycho Max Sylvester Tax, Marco Singh, Lars Maaløe
Veröffentlicht in: NIPS workshop on machine learning for audio, 2017
Herausgeber: NIPS

On the Inductive Bias of Word-Character-Level Multi-Task Learning for Speech Recognition

Autoren: Jan Kremer, Corti, Copenhagen, Denmark, [e-mail] Lasse Borgholt, Corti, Copenhagen, Denmark, [e-mail] Lars Maaløe , Corti, Copenhagen, Denmark, [e-mail]
Veröffentlicht in: 32nd Conference on Neural Information Processing Systems (NeurIPS 2018), 2018
Herausgeber: NIPS

Towards Hierarchical Discrete Variational Autoencoders

Autoren: Valentin Liévin, Andrea Dittadi, Lars Maaløe, Ole Winther
Veröffentlicht in: NeurIPS Workshop on Advances in Approximate Bayesian Inference, 2019
Herausgeber: OpenReview

Other (1)

Detecting Out-of-Hospital Cardiac Arrest Using Artificial Intelligence

Autoren: Andreas Cleve, Dimitri Devillers, Matteo Palladini, Jerome Paris, Rose Michael, Etienne Faure, Rodolfo Bonora
Veröffentlicht in: 2020
Herausgeber: European Emergency Number Association