MEDICAL IMAGING

Francesco TORTORELLA MEDICAL IMAGING

0622900012
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
DIGITAL HEALTH AND BIOINFORMATIC ENGINEERING
2020/2021



OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2018
PRIMO SEMESTRE
CFUOREATTIVITÀ
1IMAGE ANALYSIS (MODULO DI MEDICAL IMAGING)
324LEZIONE
2MEDICAL IMAGING APPLICATIONS (MODULO DI MEDICAL IMAGING)
324LEZIONE
324ESERCITAZIONE
Obiettivi
RISULTATI DI APPRENDIMENTO PREVISTI E COMPETENZE DA ACQUISIRE
IL CORSO HA L’OBIETTIVO DI FORNIRE ALLO STUDENTE GLI ELEMENTI FONDAMENTALI RELATIVI ALL’ELABORAZIONE DI IMMAGINI MEDICHE, VOLTA SOPRATTUTTO AL LORO MIGLIORAMENTO AI FINI DELLA DIAGNOSI MEDICA ED ALLA LORO INTERPRETAZIONE AUTOMATICA AI FINI DELLA DIAGNOSI ASSISTITA DAL COMPUTER.
CONOSCENZE E CAPACITÀ DI COMPRENSIONE
ALLA FINE DEL CORSO LO STUDENTE SARÀ IN GRADO DI DISTINGUERE LE DIFFERENTI TIPOLOGIE DI IMMAGINI MEDICHE E DI INDIVIDUARE LE TECNICHE DI ELABORAZIONE OPPORTUNE IN MODO DI REALIZZARE, ANCHE IN MANIERA INNOVATIVE, LE SOLUZIONI AI PROBLEMI POSTI DALLA PROFESSIONE.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE
PER UN DATO PROBLEMA, LO STUDENTE SARÀ IN GRADO DI DEFINIRNE I REQUISITI E IPOTIZZARE ADEGUATE SOLUZIONI TECNICHE. SARÀ IN GRADO DI SVILUPPARE E TESTARE NUOVE SOLUZIONI PER SPECIFICI PROBLEMI APPLICATIVI SULLE IMMAGINI MEDICHE IMPIEGANDO AMBIENTI DI SVILUPPO E LIBRERIE DEDICATI.


AUTONOMIA DI GIUDIZIO
LO STUDENTE SARÀ IN GRADO DI AFFRONTARE AUTONOMAMENTE PROBLEMI COMPLESSI, ANALIZZANDONE I REQUISITI, INDIVIDUARE GLI STRUMENTI RISOLUTIVI OPPORTUNI, VALUTARE LA REALIZZABILITÀ DI SOLUZIONI PROPOSTE E STIMARE LE RISORSE RICHIESTE.


ABILITÀ COMUNICATIVE
LO STUDENTE SARÀ IN GRADO DI DESCRIVERE IN MANIERA SCRITTA E ORALE (ANCHE IMPIEGANDO ADEGUATI STRUMENTI DI PRESENTAZIONE) PROBLEMATICHE E SOLUZIONI PROGETTUALI RELATIVE AD APPLICAZIONI FOCALIZZATE SU IMMAGINI MEDICHE

CAPACITÀ DI APPRENDERE
SAPER APPLICARE LE CONOSCENZE ACQUISITE A CONTESTI DIFFERENTI DA QUELLI PRESENTATI DURANTE IL CORSO, ED APPROFONDIRE GLI ARGOMENTI TRATTATI USANDO MATERIALI DIVERSI DA QUELLI PROPOSTI O FONTI DI INFORMAZIONE IN LINEA.
Prerequisiti
PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI È RICHIESTA LA CONOSCENZA DI UN LINGUAGGIO DI PROGRAMMAZIONE QUALE C O PYTHON
Contenuti
PER IL CORSO DI MEDICAL IMAGING E DI NEUROIMAGING

LE IMMAGINI MEDICHE DIGITALI: ACQUISIZIONE E FORMATI STANDARD (ORE TEORIA: 6; ORE ESERCITAZIONE: 2)
OPERAZIONI PUNTUALI E LOCALI. MODIFICHE DI LUMINOSITÀ E DI CONTRASTO. EQUALIZZAZIONE AUTOMATICA DI UN’IMMAGINE. CORREZIONE GAMMA. (ORE TEORIA: 6; ORE ESERCITAZIONE: 2)
FILTRI BIDIMENSIONALI. FILTRI PASSABASSO E PASSAALTO. GRADIENTI NOTEVOLI. FILTRO MEDIANO. TECNICHE PARTICOLARI PER LA RIMOZIONE DEL RUMORE. (ORE TEORIA: 4; ORE ESERCITAZIONE: 4)


PER IL CORSO DI MEDICAL IMAGING

TECNICHE DI SEGMENTAZIONE MORFOLOGICHE. (ORE TEORIA: 8; ORE ESERCITAZIONE: 4)
TECNICHE DI CLUSTERING E CLASSIFICAZIONE (K-MEANS, MEAN SHIFT). (ORE TEORIA: 4; ORE ESERCITAZIONE: 2)
TECNICHE DI REGISTRAZIONE DI IMMAGINI. (ORE TEORIA: 4; ORE ESERCITAZIONE: 2)
TECNICHE DI DEEP LEARNING PER LA SEGMENTAZIONE E LA CLASSIFICAZIONE DI IMMAGINI MEDICHE. (ORE TEORIA: 12; ORE ESERCITAZIONE: 12)


PER IL CORSO DI NEUROIMAGING

PARTE TEORICA (TECNICHE DI NEUROIMAGING, 24 ORE):
1.PANORAMICA DELLE TECNICHE DI NEUROIMAGING
2.TECNICHE BASATE SULLA RISONANZA MAGNETICA NUCLEARE (NMR, MRI) CEREBRALE
3.MRI FUNZIONALE (FMRI): STUDIO DI ATTIVAZIONE NEURONALE
4.FMRI DELLO STATO DI RIPOSO (RESTING-STATE FMRI): STUDIO DI CONNETTIVITA’ FUNZIONALE
5.MRI STRUTTURALE: STUDIO DI MORFOMETRIA
6.MRI STRUTTURALE (MRI DIFFUSIONE): STUDIO DI CONNETTIVITA’ ANATOMICA
7.MODELLI STATISTICI PER L’ANALISI DEI DATI DI NEUROIMAGING
8.MODELLI COMPUTAZIONALI PER L’ANALISI DEI DATI DI NEUROIMAGING

PARTE PRATICA (ANALISI DI DATI DI NEUROIMAGING, 24 ORE):
1.ANALISI DI SERIE TEMPORALI FMRI (I): STUDIO DI ATTIVAZIONE SU SINGOLO SOGGETTO
2.ANALISI DI SERIE TEMPORALI FMRI (II): STUDIO DI GRUPPO
3.ANALISI DI SERIE TEMPORALI FMRI (III): STUDIO DI CONNETTIVITA’ FUNZIONALE
4.ANALISI DI SERIE STRUTTURALI MRI (I): STUDIO DI ATROFIA (VBM, CTA)
5.ANALISI DI SERIE STRUTTURALI MRI (II): STUDIO DI CONNETTIVITA’ ANATOMICA (DWI)
6.NEUROIMAGING COMPUTAZIONALE: CLUSTERING, CLASSIFICAZIONE, REGRESSIONE
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, ESERCITAZIONI IN AULA ED ESERCITAZIONI PRATICHE DI LABORATORIO. NELLE ESERCITAZIONI IN AULA VENGONO ASSEGNATI AGLI STUDENTI, SIA INDIVIDUALMENTE CHE DIVISI PER GRUPPI DI LAVORO, DEI PROGETTO DA REALIZZARE UTILIZZANDO LE METODOLOGIE E GLI STRUMENTI DI SVILUPPO PRESENTATI NEL CORSO. LE ESERCITAZIONI IN LABORATORIO SONO VOLTE ALL'IMPLEMENTAZIONE DEI PROGETTI PROPOSTI.

PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALL’ATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO
ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.
Verifica dell'apprendimento
LA PROVA DI ESAME È FINALIZZATA A VALUTARE NEL SUO COMPLESSO LA COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO E LA CAPACITÀ DI APPLICARE TALI CONOSCENZE PER LA RISOLUZIONE DI PROBLEMI REALI.

LA VERIFICA PREVEDE LA PRESENTAZIONE DI UN PROGETTO CONCORDATO CON IL DOCENTE E REALIZZATO SU UNA DELLE APPLICAZIONI PRESENTATE AL CORSO. SONO OGGETTO DI VALUTAZIONE LE SCELTE PROGETTUALI E METODOLOGICHE EFFETTUATE. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO DI SAPER APPLICARE LE CONOSCENZE ACQUISITE CON AUTONOMIA E ORIGINALITÀ
Testi
R.C. GONZALEZ, R.E. WOODS, DIGITAL IMAGE PROCESSING, 4TH ED., PEARSON COLLEGE DIV., 2017

J. BIJSTERBOSCH, S. SMITH, C. BECKMANN, INTRODUCTION TO NEUROIMAGING ANALYSIS, OXFORD UNIVERSITY PRESS, 2017.

M. JECKINSON, M. CHAPPELL, INTRODUCTION TO RESTING STATE FMRI FUNCTIONAL CONNECTIVITY, OXFORD UNIVERSITY PRESS, 2018.

J. L. SEMMLOW, BIOSIGNAL AND BIOMEDICAL IMAGE PROCESSING: MATLAB-BASED APPLICATIONS, MARCEL DEKKER, INC., 2004

A. WEBB, INTRODUCTION TO BIOMEDICAL IMAGING, IEEE PRESS, 2004
Altre Informazioni
IL CORSO E' TENUTO IN LINGUA INGLESE
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2021-06-28]