Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:
Laurea magistrale in Medical bioinformatics - Immatricolazione dal 2025/2026Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
A scelta un insegnamento traA scelta due insegnamenti tra2° Anno Attivato nell'A.A. 2017/2018
| Insegnamenti | Crediti | TAF | SSD |
|---|
A scelta tre insegnamenti tra| Insegnamenti | Crediti | TAF | SSD |
|---|
A scelta un insegnamento traA scelta due insegnamenti tra| Insegnamenti | Crediti | TAF | SSD |
|---|
A scelta tre insegnamenti traLegenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Biomedical image processing (2017/2018)
Codice insegnamento
4S004554
Docenti
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
II sem. dal 1 mar 2018 al 15 giu 2018.
Sede
VERONA
Obiettivi formativi
The course deals with the major sources of medical imaging data (X-rays, CT, MRI, PET and US) and provides the students with a flavour of the current methods used to process medical images, enhance their quality and extract useful information from them. A particular focus will be given to diffusion MRI, as it represents a very rich imaging modality that will allow us to investigate several analysis techniques starting from the same data, at increasing levels of complexity.
These concepts are also illustrated in hands-on sessions where these techniques are applied to practical situations and problems that often arise when analyzing real medical images. The laboratory activities will be based on the Python language.
Programma
(1) Basic concepts
- Image properties: pixel vs voxel, spatial resolution, orientation, data type etc
- File formats: DICOM, NIFTI, MINC etc
- Signal-to-noise (SNR) vs Contrast-to-noise (CNR) ratio
- Noise, blurring and modality-specific artifacts
- Signal representation: frequency domain, spherical harmonics, sparse bases
(2) Overview of major medical imaging modalities
- Radiography: X-rays projection, fluoroscopy and computed tomography (CT)
- Nuclear medicine: SPECT and PET
- Ultrasound imaging (US)
- Magnetic Resonance Imaging (MRI)
(3) Basic image processing
- Recall of elementary tools: filtering, edge detection and image enhancement
- Registration: features, similarity measures, transformations (linear vs non-linear)
(4) Connectivity analysis with diffusion MRI
- Principles and main applications
- Local reconstruction: DTI, DSI, CSD etc
- Tissue microstructure estimation: axon diameter mapping, AxCaliber, ActiveAx, CHARMED, NODDI etc
- Tractography: local vs global methods, probabilistic, recent advances
(5) Laboratory
- Introduction to Python
- Hands-on activities on the topics covered throughout the course
| Autore | Titolo | Casa editrice | Anno | ISBN | Note |
|---|---|---|---|---|---|
| Ravishankar Chityala | Image processing and acquisition using Python (Edizione 1) | Chapman and Hall/CRC | 2014 | 9781466583757 | |
| Andrew Webb | Introduction to biomedical imaging | Wiley-IEEE Press | 2003 | 978-0-471-23766-2 | |
| Jerrold T. Bushberg | The Essential Physics of Medical Imaging (Edizione 3) | Lippincott Williams & Wilkins | 2011 | 0781780578 |
Modalità d'esame
The grade will be based on a discussion about the final project assigned during the course. The final project is a very important part of the course, as it allows students to synthesize the concepts learned throughout the course, understand the motivation behind each modality, experiment typical problems that arise in daily-life medical images and apply the appropriate techniques to improve image quality and extract useful information.
