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

Información del proyecto

AI4EMS

Identificador del acuerdo de subvención: 823383

DOI 10.3030/823383

Proyecto cerrado

Fecha de la firma de la CE 20 Agosto 2018

Fecha de inicio 1 Agosto 2018

Fecha de finalización 31 Enero 2020

Financiado con arreglo a

• INDUSTRIAL LEADERSHIP - Innovation In SMEs

Coste total € 2 055 976,25

Aportación de la UE € 1 439 183,00

Coordinado por

CORTI APS
Denmark

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Resultado final

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.

Publicaciones

Peer reviewed articles (1)

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

Autores: Stig Nikolaj Blomberg, Fredrik Folke, Annette Kjær Ersbøll, Helle Collatz Christensen, Christian Torp-Pedersen, Michael R. Sayre, Catherine R. Counts, Freddy K. Lippert
Publicado en: Resuscitation, Edición 138, 2019, Página(s) 322-329, ISSN 0300-9572
Editor: Elsevier BV
DOI: 10.1016/j.resuscitation.2019.01.015

Conference proceedings (5)

Utilizing Domain Knowledge in End-to-End Audio Processing

Autores: Tycho Max Sylvester Tax, Jose Luis Diez Antich, Hendrik Purwins, Lars Maaløe
Publicado en: 31st Conference on Neural Information Processing Systems (NIPS 2017), 2017
Editor: NIPS

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

Autores: Lars Maaløe, Marco Fraccaro, Valentin Liévin, Ole Winther
Publicado en: arXiv preprint arXiv:1902.02102, 2019
Editor: arXiv

Exploiting Nontrivial Connectivity for Automatic Speech Recognition

Autores: Marius Paraschiv, Lasse Borgholt, Tycho Max Sylvester Tax, Marco Singh, Lars Maaløe
Publicado en: NIPS workshop on machine learning for audio, 2017
Editor: NIPS

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

Autores: Jan Kremer, Corti, Copenhagen, Denmark, [e-mail] Lasse Borgholt, Corti, Copenhagen, Denmark, [e-mail] Lars Maaløe , Corti, Copenhagen, Denmark, [e-mail]
Publicado en: 32nd Conference on Neural Information Processing Systems (NeurIPS 2018), 2018
Editor: NIPS

Towards Hierarchical Discrete Variational Autoencoders

Autores: Valentin Liévin, Andrea Dittadi, Lars Maaløe, Ole Winther
Publicado en: NeurIPS Workshop on Advances in Approximate Bayesian Inference, 2019
Editor: OpenReview

Other (1)

Detecting Out-of-Hospital Cardiac Arrest Using Artificial Intelligence

Autores: Andreas Cleve, Dimitri Devillers, Matteo Palladini, Jerome Paris, Rose Michael, Etienne Faure, Rodolfo Bonora
Publicado en: 2020
Editor: European Emergency Number Association