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 |
---|
One course to be chosen among the following
Two courses to be chosen among the following
2° Anno Attivato nell'A.A. 2018/2019
Insegnamenti | Crediti | TAF | SSD |
---|
Three courses to be chosen among the following
Insegnamenti | Crediti | TAF | SSD |
---|
One course to be chosen among the following
Two courses to be chosen among the following
Insegnamenti | Crediti | TAF | SSD |
---|
Three courses to be chosen among the following
Insegnamenti | Crediti | TAF | SSD |
---|
Legenda | 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 (2018/2019)
Codice insegnamento
4S004554
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
L'insegnamento è organizzato come segue:
Teoria
Laboratorio
Obiettivi formativi
Il corso si propone di fornire le basi teoriche e gli strumenti principali per l’elaborazione di immagini biomedicali e l’estrazione di informazioni che possano servire da supporto al processo diagnostico.
Al termine dell’insegnamento lo studente dovrà dimostrare di avere acquisito le conoscenze e le competenze necessarie per affrontare efficacemente i problemi principali che si possono verificare nell’intera pipeline di analisi, dall’acquisizione del dato grezzo alla corretta interpretazione delle informazioni estratte.
In particolare, alla fine del corso lo studente dovrà dimostrare di essere in grado di:
-- comprendere i principi fisici alla base dell’acquisizione del dato grezzo con le principali tecniche diagnostiche (X-rays, CT, MRI, PET, US), nonché pregi, difetti e campo di applicabilitá di ciascuna modalitá;
-- aprire, manipolare e interpretare correttamente i dati multidimensionali acquisiti con tali tecniche e che rappresentano proprietá fisiche e biologiche sulla struttura e funzione del tessuto/organo sotto esame;
-- progettare una pipeline di analisi per l’estrazione dalle immagini biomediche di informazioni utili al processo diagnostico, riuscendo a fare scelte implementative adeguate a seconda della tipologia del dato da analizzare.
Alla fine del corso lo studente dovrà dimostrare di essere altresí in grado di interagire efficacemente ed in modo opportuno con tutte le parti interessate (fisici, ingegneri, medici) che sono coinvolte nella progettazione e conduzione di studi clinici basati su tecniche di imaging. Lo studente avrá inoltre le basi sufficienti per essere in grado di approfondire in modo autonomo la conoscenza di tecniche di analisi piú complesse ed estendere le metodolgie introdotte a contesti applicativi differenti.
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
- Ultrasounds (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
Modalità d'esame
Il voto sará basato su una discussione del progetto assegnato durante il corso. Questo progetto finale é una parte fondamentale del corso, in quanto fornisce la possibilitá agli studenti di mettere in pratica i concetti studiati durante la parte di teoria, capire le peculiaritá di ciascuna modalitá di acquisizione, toccare con mano alcuni problemi tipici che si possono verificare quando si elaborano immagini biomediche ed applicare le tecniche piú appropriate per migliorare la qualitá delle immagini ed estrarre informazioni utili da esse.