2. Docenti
  3. Didattica

MEDICAL IMAGING

Francesco TORTORELLA MEDICAL IMAGING

0623200007
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INFORMATION ENGINEERING FOR DIGITAL MEDICINE
2024/2025



OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2022
PRIMO SEMESTRE
CFUOREATTIVITÀ
432LEZIONE
216ESERCITAZIONE
FRANCESCO TORTORELLA T Curriculum
Obiettivi
L’INSEGNAMENTO FORNISCE LE CONOSCENZE TEORICHE E TECNOLOGICHE SULLE PRINCIPALI TIPOLOGIE DI IMMAGINI MEDICALI E SULLE METODOLOGIE PER ELABORARE TALI IMMAGINI, MIGLIORARNE LA QUALITÀ ED ESTRARRE DA ESSE INFORMAZIONI RILEVANTI PER LA DIAGNOSTICA.

CONOSCENZE E CAPACITÀ DI COMPRENSIONE
FASI DI UN SISTEMA DI ELABORAZIONE DELLE IMMAGINI, CON PARTICOLARE RIFERIMENTO ALLE FASI DI LOW LEVEL PROCESSING (ACQUISIZIONE, FILTRAGGI), INTERMEDIATE LEVEL PROCESSING (ESTRAZIONE DI REGIONI E CONTORNI) E HIGH LEVEL PROCESSING (RICONOSCIMENTO DI FORME), UNITAMENTE ALLE TECNICHE DI BASE DI IMPLEMENTAZIONE DI TALI FUNZIONI CON LIBRERIE E FRAMEWORK ESISTENTI; CARATTERISTICHE DELLE TIPOLOGIE DI IMMAGINI USATE IN AMBITO MEDICO (IMMAGINI RADIOGRAFICHE, TAC, PET, MRI E IMMAGINI ECOGRAFICHE) E DELLA LORO RAPPRESENTAZIONE; PRINCIPALI FRAMEWORK PER L’ANALISI DELLE IMMAGINI.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE
PROGETTARE E REALIZZARE APPLICATIVI BASATI SULL’ANALISI E SULL’INTERPRETAZIONE DI IMMAGINI MEDICALI, ANCHE ATTRAVERSO L’USO DI LIBRERIE DI ANALISI ED ELABORAZIONE DI IMMAGINI.
Prerequisiti
PROPEDEUTICO ALL’INSEGNAMENTO È L’INSEGNAMENTO DI MACHINE LEARNING

L’INSEGNAMENTO PRESUPPONE LA CONOSCENZA DI UN LINGUAGGIO DI PROGRAMMAZIONE QUALE PYHTON O C
Contenuti
Unità didattica 1: IMMAGINI MEDICALI DIGITALI: ACQUISIZIONE E FORMATI STANDARD
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 12/4/0)
- 1 (2 ORE Lezione):Origine delle immagini digitali. Spettro della radiazione elettromagnetica. Spazi di colore
- 2 (2 ORE Lezione):Percezione umana e meccanismo della visione. Campionamento spaziale. Sensori.
- 3 (2 ORE Lezione):Immagini a raggi X
- 4 (2 ORE Esercitazione): Operazioni semplici su immagini digitali
- 5 (2 ORE Lezione):TAC: principi e immagini.
- 6 (2 ORE Lezione): MRI: principi e immagini
- 7 (2 ORE Lezione):Formati immagini. DICOM
- 8 (2 ORE Esercitazione):Gestione immagini DICOM
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Concetto di immagine medica digitale. Principi alla base delle modalità più diffuse. Caratteristichhe e organizzazione del formato DICOM
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: Gestire i file DICOM di immagini medicali e reperire le principali informazioni al suo interno. Riconoscere modalità e caratteristiche principali di un'immagine medica.


Unità didattica 2: OPERAZIONI PUNTUALI E LOCALI.
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/4/0)
- 9 (2 ORE Lezione):Operazioni sulle immagini digitali (puntuali, locali, globali). Istogramma delle immagini. Trasformazioni per aumentare il contrasto
- 10 (2 ORE Lezione): Equalizzazione dell'istogramma. Equalizzazione adattativa
- 11 (2 ORE Esercitazione):Implementazione ed uso delle trasformazioni per aumentare il contrasto e delle tecniche di equalizzazione
- 12 (2 ORE Lezione):Filtri bidimensionali: caratteristiche e proprietà. Filtri per la rimozione del rumore. Filtri bilaterali.
- 13 (2 ORE Lezione):Filtri derivativi. Laplaciano. Sharpening
- 14 (2 ORE Esercitazione):Implementazione ed applicazione del filtraggio alle immagini medicali
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Caratteristiche e proprietà dei principali operazioni di trasformazione puntuale e di filtraggio per immagini medicali
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: Applicare operazioni puntuali e locali per migliorare le caratteristiche delle immagini medicali


Unità didattica 3: MORFOLOGIA MATEMATICA
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 6/2/0)
- 15 (2 ORE Lezione):Operazioni morfologighe di base su immagini binarie e a livelli di grigio
- 16 (2 ORE Lezione):Trasformate top hat. Ricostruzione morfologica
- 17 (2 ORE Lezione): Trasformata watershed
- 18 (2 ORE Esercitazione):Applicazione di operazioni morfologiche a immagini medicali
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Caratteristiche e proprietà delle operazioni morfologiche
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: Applicare le operazioni morfologiche per l'analisi e l'interpretazione di immagini medicali


Unità didattica 4: TECNICHE BASATE SUL MACHINE LEARNING
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 6/6/0)
- 19 (2 ORE Lezione):Machine Learning per l'analisi di immagini medicali. La curva ROC. Radiomics.
- 20 (2 ORE Lezione):Applicazioni basate su radiomics
- 21 (2 ORE Esercitazione):Implementazione ed uso di radiomics all'analisi di immagini medicali
- 22 (2 ORE Lezione):Modelli basati su deep learning per l'analisi di immagini medicali
- 23 (2 ORE Esercitazione):Implementazione ed uso di reti deep per l'analisi di immagini medicali
- 24 (2 ORE Esercitazione): Implementazione ed uso di reti deep per l'analisi di immagini medicali
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Modalità di impiego del Machine Learning per l'analisi e l'interpretazione di immagini medicali
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: Progettare e realizzare tecniche di analisi di immagini medicali basate su algoritmi di machine learning


TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 32/16/0
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE ED ESERCITAZIONI IN AULA . 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.

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 PUÒ PREVEDERE 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

A. WEBB, INTRODUCTION TO BIOMEDICAL IMAGING, IEEE PRESS, 2004

MATERIALE DIDATTICO INTEGRATIVO SARA' DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO.
Altre Informazioni
L'INSEGNAMENTO È EROGATO IN INGLESE
Orari Lezioni

  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-10-23]