Docenti | BIOMEDICAL DATA & SIGNAL PROCESSING
Docenti BIOMEDICAL DATA & SIGNAL PROCESSING
cod. 0222600020
BIOMEDICAL DATA & SIGNAL PROCESSING
| 0222600020 | |
| DIPARTIMENTO DI SCIENZE AZIENDALI - MANAGEMENT & INNOVATION SYSTEMS | |
| CORSO DI LAUREA MAGISTRALE | |
| BUSINESS INNOVATION AND INFORMATICS - BUSINESS, INNOVAZIONE ED INFORMATICA | |
| 2017/2018 |
| OBBLIGATORIO | |
| ANNO CORSO 1 | |
| ANNO ORDINAMENTO 2016 | |
| SECONDO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| ING-INF/05 | 10 | 60 | LEZIONE |
| Obiettivi | |
|---|---|
| NELL’AMBITO DELLO STUDIO DELLA TEORIA E DELLE TECNICHE DI ELABORAZIONE DI DATI E SEGNALI BIOMEDICI, LO STUDENTE APPROFONDIRÀ LA CONOSCENZA DEI MODELLI, DEGLI ALGORITMI E DEGLI STRUMENTI PER L’ELABORAZIONE DEI DATI E SEGNALI BIOMEDICI. PARTENDO DAI CONCETTI FONDAMENTALI DELL’ANALISI DEI SEGNALI TEMPORALI E SPAZIALI, SARANNO AFFRONTATE LE SOLUZIONI DI MAGGIORE INTERESSE APPLICATIVO PER LA BIOMEDICINA, CHE RIGUARDANO LA RAPPRESENTAZIONE E LA TRASFORMAZIONE DEI SEGNALI, DELLE IMMAGINI E DELLE SERIE TEMPORALI DI IMMAGINI, DALLO STATO GREZZO DI OSSERVAZIONE DI UN PROCESSO BIOFISICO, CARATTERISTICO DEL PRINCIPIO DI ACQUISIZIONE E DELLA STRUMENTAZIONE DI MISURA, ALLO STATO DI OSSERVAZIONE MULTI-DIMENSIONALE DI UN PROCESSO STOCASTICO, DI INTERESSE PER PROBLEMI DI ANALISI STATISTICA INFERENZIALE E DESCRITTIVA, CLASSIFICAZIONE, CLUSTERING E REGRESSIONE DEI DATI BIOMEDICI. LO STUDENTE ACQUISIRÀ I CONCETTI DI SEGNALE MULTIDIMENSIONALE E IMMAGINE, SERIE TEMPORALE, FILTRAGGIO E CONVOLUZIONE, RIDUZIONE DEL RUMORE E ARRICCHIMENTO DEL CONTENUTO INFORMATIVO, TRASFORMAZIONI LOCALI E GLOBALI, SEGMENTAZIONI E ALTRE OPERAZIONI MORFOLOGICHE, CARATTERIZZAZIONE DI STRUTTURA STATISTICA DI PROCESSO MULTI-DIMENSIONALE, ANCHE ATTRAVERSO UNA SERIE DI ESEMPI APPLICATIVI CONCRETI DAL CAMPO DELLA BIOMEDICINA E DEL NEUROIMAGING. INOLTRE, ACQUISIRÀ LA CAPACITÀ DI IMPLEMENTARE E ADATTARE SOLUZIONI SOFTWARE PER IL CALCOLO DI MODELLI E PER L’ANALISI DELLE NEUROIMMAGINI. LO STUDENTE ACQUISIRÀ LE SEGUENTI CAPACITÀ APPLICATIVE: - ANALISI DI PROBLEMI CONCRETI DI ANALISI DEI SEGNALI E SERIE TEMPORALI E DI ELABORAZIONE DI IMMAGINI IN AMBITO BIOMEDICO; - PROGETTAZIONE ED ESECUZIONE DEI PROGRAMMI PER LA REALIZZAZIONE DI SOLUZIONI ANALITICHE IN RELAZIONI AI MODELLI E AI METODI STUDIATI SU DATI REALI E SINTETICI; - ANALISI DEI RISULTATI OTTENUTI. MEDIANTE LE CONOSCENZE ACQUISITE DURANTE IL CORSO, LO STUDENTE SARÀ IN GRADO DI ORIENTARSI IN SUCCESSIVI PROBLEMI DI ELABORAZIONE DI DATI, SEGNALI ED IMMAGINI CON TECNICHE DI ELEVATO VALORE APPLICATIVO IN CAMPO BIOMEDICO. LO STUDENTE ACQUISIRÀ INOLTRE LA CAPACITÀ DI ORIENTARSI NELLO STUDIO E RISOLUZIONE DI PROBLEMI DI ELABORAZIONE DI DATI E SEGNALI BIOMEDICI E BIOIMMAGINI. LO STUDENTE ACQUISIRÀ LA CAPACITÀ DI DESCRIVERE CON PROPRIETÀ DI LINGUAGGIO LE CARATTERISTICHE DI MODELLI DI PROCESSI BIOFISICI E BIOSTATISTICI MULTI-DIMENSIONALI E DI PROBLEMATICHE DI ELABORAZIONE E ANALISI STATISTICA DI DATI E SEGNALI BIOMEDICI E BIOIMMAGINI. |
| Prerequisiti | |
|---|---|
| NESSUNO. |
| Contenuti | |
|---|---|
| I CONTENUTI DELL’INSEGNAMENTO (60 ore e 10 ECTS) SONO STRUTTURATI IN DUE PARTI IN BASE AL SEGUENTE PROGRAMMA: PARTE I: ELABORAZIONE DI SEGNALI ED IMMAGINI 1 - INTRODUZIONE AI SEGNALI E ALLE IMMAGINI 2 - TRASFORMAZIONI, FUNZIONI DI TRASFERIMENTO, CONVOLUZIONE E FILTRAGGIO 3 - PRINCIPI DI ACQUISIZIONE E VISUALIZZAZIONE 4 - OPERAZIONI MATEMATICHE, TRASFORMAZIONI, INTERPOLAZIONE E COMPRESSIONE 5 - FILTRI SPAZIALI E FREQUENZIALI E CONVOLUZIONE 6 - REGISTRAZIONE E SEGMENTAZIONE DELLE IMMAGINI PARTE II: ELABORAZIONE DI DATI E SEGNALI BIOMEDICI 1 - INTRODUZIONE AI SEGNALI BIOMEDICI ED ALLE BIOIMMAGINI 2 - CLASSIFICAZIONE DEI SEGNALI BIOMEDICI ED ESEMPI NOTEVOLI (EXG) 3 - ELABORAZIONE DELLE BIOIMMAGINI: APPLICAZIONE AL NEUROIMAGING 4 - NEUROSEGNALI E SERIE TEMPORALI DI NEUROIMMAGINI 5 - ANALISI STATISTICHE INFERENZIALI E DESCRITTIVE DELLE NEUROIMMAGINI 6 - CLUSTERING, CLASSIFICAZIONE E REGRESSIONE DELLE NEUROIMMAGINI |
| Metodi Didattici | |
|---|---|
| LEZIONI ED ESERCITAZIONI GUIDATE IN AULA PER LA PRESENTAZIONE DELLE CONOSCENZE TEORICHE E PER LO SVILUPPO DELLE CAPACITÀ APPLICATIVE CHE DEVONO ESSERE ACQUISITE DA PARTE DELLO STUDENTE. COME SUPPORTO ESPLICATIVO E DI APPROFONDIMENTO PER LA PARTE DI LABORATORIO SI FA RIFERMENTO AL SOFTWARE MATLAB E AI SUOI TOOLBOX CHE IMPLEMENTANO I METODI DISCUSSI DURANTE IL CORSO. |
| Verifica dell'apprendimento | |
|---|---|
| PROVA ORALE CHE INCLUDE LA PRESENTAZIONE DI UN PROGETTO DI ELABORAZIONE DATI CONCORDATO CON IL DOCENTE DURANTE IL CORSO. |
| Testi | |
|---|---|
| J. L. SEMMLOW, BIOSIGNAL AND BIOMEDICAL IMAGE PROCESSING: MATLAB-BASED APPLICATIONS, MARCEL DEKKER, INC., 2004 R. C. GONZALEZ, R. E. WOODS, DIGITAL IMAGE PROCESSING, PRENTICE HALL, 2008. R. C. GONZALEZ, R. E. WOODS, S. L. EDDINS, DIGITAL IMAGE PROCESSING USING MATLAB, GATESMARK PUBLISHING, 2009. |
| Altre Informazioni | |
|---|---|
| LA FREQUENZA DEL CORSO È MOLTO CONSIGLIATA PERCHÉ CONSENTE UNA PIÙ RAPIDA ED EFFICACE COMPRENSIONE DEI FONDAMENTI TEORICI E DELLE TECNICHE APPLICATIVE. LO STUDENTE DOVRÀ DEDICARE UN ADEGUATO NUMERO DI ORE DI STUDIO, IN AGGIUNTA A QUELLE TRASCORSE IN AULA, PER IL NECESSARIO CONSOLIDAMENTO DELLA PROPRIA CONOSCENZA E PER LO SVILUPPO DELL’ABILITÀ APPLICATIVA DA ACQUISIRE. AI FINI DELLA VERIFICA DEL PROFITTO, PER LA PROVA ORALE LO STUDENTE DOVRÀ DEDICARE DELLE ORE DI STUDIO AL CONSOLIDAMENTO DELLA PADRONANZA DEI CONCETTI E ALL’ACQUISIZIONE DI UN’ADEGUATA PROPRIETÀ DI LINGUAGGIO; PARALLELAMENTE, ATTRAVERSO LO SVOLGIMENTO DI UNA TESINA, LO STUDENTE DOVRÀ DEDICARE DELLE ORE DI STUDIO PER RAGGIUNGERE UNA ADEGUATA ABILITÀ NELL’APPLICAZIONE DEI MODELLI STUDIATI. |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2019-05-14]
