Cilj projekta CapTTict je smanjiti jaz u inovacijama i poboljšati kapacitete za prijenos tehnologije i znanja u području ICT-a u devet zemalja dunavske regije.

Ciljevi projekta su razvoj algoritama za:

• (ne)linearno robusno samonadzirano grupiranje podataka,
• robusnu raspodjeli šuma prilagođenu regresiju,
• aproksimacije 3D tenzora pomoću nekoliko tenzorskih modela niskog ranga,
• izdvajanje značajki temeljeno na tenzorskim modelima.

Ciljane primjene navedenih algoritama su:

• segmentacija na razini piksela RGB i hiperspektralne slike patohistoloških rezova
• potiskivanje šuma i sažimanje slike u optičkoj koherentnoj tomografiji (OKT)
• dijagnostika bolesti retine iz OKT slike
• detekciji metabolita indikativnih za dijabetes tipa 2 iz ¹H NMR spektara uzoraka urina

Ciljevi projekta su razvoja algoritama za strukturne dekompozicije empirijskih podataka za računalno potpomognutu dijagnostiku bolesti analizom slike histopatoloških preparata, metaboličkim profiliranjem protonskih NMR spektara uzoraka urina i analizom slike optičke koherentne tomografije retine (mrežnice). Naglasak je strukturno ograničenim dekompozicijama matrice empirijskih podataka.

 U Institutu "Ruđer Bošković" razvijamo postupke strojnog učenja već dugi niz godina i uspješno ih primjenjujemo u raznim područjima uključujući kemiju, biologiju, medicinu, društvene znanosti, ekonomiju, i proizvodnju. Unutar ovog projekta razvijamo nove postupke koji mogu otkrivati znanje iz podataka u složenim strukturama.