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

A.A. 2024/2025

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 Computer Engineering for intelligent Systems - Immatricolazione dal 2025/2026

Il 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.

CURRICULUM TIPO:

1° Anno 

InsegnamentiCreditiTAFSSD
6
B
ING-INF/05
12
B
ING-INF/05
6
B
ING-INF/04
12
C
ING-INF/06

2° Anno   Attivato nell'A.A. 2025/2026

InsegnamentiCreditiTAFSSD
3 modules among the following 
(A.A. 2025/2026 Internet of medical things not activated)
6
C
ING-INF/06
6
C
INF/01
6
C
INF/01 ,MED/50
6
C
MAT/07
6
C
ING-INF/04 ,MED/50
6
C
ING-INF/06 ,MED/37
24
E
-
Attivato nell'A.A. 2025/2026
InsegnamentiCreditiTAFSSD
3 modules among the following 
(A.A. 2025/2026 Internet of medical things not activated)
6
C
ING-INF/06
6
C
INF/01
6
C
INF/01 ,MED/50
6
C
MAT/07
6
C
ING-INF/04 ,MED/50
6
C
ING-INF/06 ,MED/37
24
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
4 modules among the following:
- 1st year: Advanced visual computing and 3d modeling, Computer vision, Embedded & IoT systems design, Embedded operating systems, Robotics 
- 2nd year: Advanced control systems
6
B
ING-INF/04
6
B
ING-INF/05
6
B
ING-INF/05
6
B
ING-INF/05
6
B
ING-INF/05
6
B
ING-INF/04
Tra gli anni: 1°- 2°
12
D
-
Tra gli anni: 1°- 2°
Further activities
6
F
-

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.

A Attività di base
B Attività caratterizzanti
C Attività formative affini o integrative
D Attività a scelta dello studente
E Prova finale
F Altre attività formative
S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Neurohealth (2025/2026)

Codice insegnamento

4S012367

Crediti

6

Coordinatore

Ilaria Boscolo Galazzo

Lingua di erogazione

Inglese en

Corsi Singoli

Autorizzato

MoodleMoodle Seminari 0

L'insegnamento è organizzato come segue:

INTELLINGENT NEURO-DATA MODELING en

Crediti

5

Periodo

II semestre

Docenti

Ilaria Boscolo Galazzo
Lorenza Brusini
Francesca Benedetta Pizzini

Orario Lezioni
NEURORADIOLOGY en

Crediti

1

Periodo

II semestre

Docenti

Francesca Benedetta Pizzini

Orario Lezioni

Obiettivi di apprendimento

Il corso si compone di due moduli: il primo mira ad approfondire gli aspetti pratici relativi agli strumenti diagnostici e ai sistemi di supporto decisionale più comuni nel campo delle neuroscienze/neurologia, con l'obiettivo di utilizzarli in ambito clinico. Ciò offre agli studenti la possibilità di valutare le varie applicazioni del neuroimaging nella ricerca clinica, sottolineando le potenzialità traslazionali della bioingegneria. Inoltre, al termine del corso gli studenti: i) conosceranno le proprietà funzionali e anatomiche delle diverse aree cerebrali e le loro possibili alterazioni legate alla patologia; ii) saranno in grado di interpretare criticamente le diverse immagini cerebrali; iii) identificheranno i tipi di immagini e i protocolli più rilevanti a seconda del determinato scenario clinico, ad esempio per la diagnosi differenziale nei comuni disturbi neurologici o per il monitoraggio dei trattamenti terapeutici. Il secondo si propone di fornire agli studenti conoscenze sulle tecnologie e metodologie ingegneristiche proprie del campo della neuroingegneria (con focus al neuroimaging) attraverso l'analisi dell'intera pipeline, dalla definizione del problema all'acquisizione e alla pre-elaborazione dei dati, all'analisi dei dati e al processo decisionale. Al termine del corso gli studenti avranno approfondito i principi fondamentali delle più comuni sequenze di neuroimaging attualmente utilizzate. Inoltre, saranno in grado di elaborare e analizzare diverse modalità con una visione critica delle principali fasi della pipeline, tra cui la pre-elaborazione dei dati, la modellazione matematica e le analisi post-hoc, anche basandosi su metodi di intelligenza artificiale. Saranno in grado di risolvere problemi intrinsecamente interdisciplinari che includono sia aspetti medici che di ingegneria dell'informazione. Le lezioni teoriche saranno completate da sessioni pratiche di laboratorio (MATLAB, Python e i software più comuni per l'elaborazione dei dati di neuroimaging), in cui verranno affrontati esempi con dati reali per tradurre le metodologie apprese in applicazioni pratiche e risolvere casi di studio del mondo reale.

Prerequisiti e nozioni di base

Conoscenze di analisi di segnali e immagini.

Bibliografia

Vai alla bibliografia
Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Criteri di composizione del voto finale

Esame orale unico comprensivo dei due moduli di insegnamento.