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.

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 Ingegneria e scienze informatiche - 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
12
B
ING-INF/05
12
B
INF/01
12
B
ING-INF/05
InsegnamentiCreditiTAFSSD
12
B
ING-INF/05
12
B
INF/01
12
B
ING-INF/05
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.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S02907

Crediti

6

Coordinatore

Non ancora assegnato

Lingua di erogazione

Italiano

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

L'insegnamento è organizzato come segue:

Teoria
Attività mutuata da Bioimmagini ed elaborazione dati biomedici - ELABORAZIONE DATI BIOMEDICI - Teoria del corso: Laurea magistrale in Bioinformatica e biotecnologie mediche

Crediti

5

Periodo

I semestre

Docenti

Andrea Giachetti

Laboratorio
Attività mutuata da Bioimmagini ed elaborazione dati biomedici - ELABORAZIONE DATI BIOMEDICI - Laboratorio del corso: Laurea magistrale in Bioinformatica e biotecnologie mediche

Crediti

1

Periodo

I semestre

Docenti

Andrea Giachetti

Obiettivi formativi

Acquisire conoscenze di base sull'imaging diagnostico digitale, la gestione dell'imaging ospedaliero e studiare i principali algoritmi utilizzati per la visualizzazione e l'analisi di tali immagini. Il corso comprenderà anche 1 credito di laboratorio in cui si realizzeranno implementazioni degli algoritmi in Matlab (ITK)

Programma

1. Imaging diagnostico

Obiettivo: Ripasso sulle immagini digitali e acquisizione di competenze sull'imaging ospedaliero.
-Modalità diagnostiche digitali: CT, MRI, US, PET, ecc.
-Il protocollo DICOM: archiviazione e trasmissione dei dati medici

2- Visualizzazione 3D in medicina
Obiettivo: fornire una panoramica sulle tecniche di visualizzazione dei dati utilizzate in ambito radiologico ospedaliero
-Tecniche di visualizzazione di volumi, proiezioni, ray casting
-Applicazioni informatiche in medicina: Computer Aided Diagnosis, pianificazione chirurgica, simulazione

3. Segmentazione di immagini mediche
Obiettivo: Acquisire la conoscenza delle tecniche di segmentazione, ricostruzione e visualizzazione di strutture da immagini 3(4)D principalmente utilizzate nella pratica.
- Sogliature, region growing, morfologia matematica
- Tecniche basate su classificazione (k-means, Mean shift), Graph Cuts, MRFs
- "Snakes" e modelli deformabili 2D e 3D, impliciti ed espliciti


4. Registrazione di immagini.

Obiettivo: Acquisire la conoscenza delle tecniche di registrazione di immagini 2D-3D
-Registrazione di immagini, problematiche e metodi
-Registrazione image based: potenziali, tecniche di ottimizzazione
-Registrazione point based, algoritmo ICP

5. Analisi del moto da sequenze di immagini

Obiettivo: Acquisire la conoscenza delle tecniche di ricostruzione del movimento da sequenze di immagini.
- Campo di moto e flusso ottico
- Algoritmi per la sitma: block matching, Lucas-Kanade

6. Analisi di forma
Obiettivo: caratterizzare le strutture in 2D e 3D per eventuale classificazione automatica o misura
- Momenti, descrittori di forma, distance functions, estrazione di scheletri curvilinei

7. Analisi di tessitura.
Obiettivo: Introdurre il concetto di tessitura e gli algoritmi che si utilizzano
principalmente per la sua analisi e classificazione
-Tessitura delle immagini
-Descrittori di tessitura: Gray Level Co-Occurrence Matrices e Run Length Matrices, Wavelets
-Richiami sulla classificazione supervisionata

Modalità d'esame

Prova scritta con domande a risposta aperta sul programma svolto a lezione (20/30). Valutazione di un progetto di laboratorio (10/30)

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI