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 Ingegneria e scienze informatiche - 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.
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.
Elaborazione delle immagini in medicina (2009/2010)
Codice insegnamento
4S02907
Docente
Coordinatore
Crediti
6
Offerto anche nei corsi:
- Elaborazioni di immagini in medicina del corso Laurea specialistica in Sistemi intelligenti e multimediali
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
I semestre dal 1 ott 2009 al 31 gen 2010.
Obiettivi formativi
L'obiettivo del corso è quello di presentare agli studenti tecniche di image processing e computer vision non ancora trattate nel curriculum di studio (segmentazione mediante classificazione/clustering, contorni deformabili, registrazione, analisi di tessitura), con particolare focus sulle applicazioni delle tecniche stesse all'elaborazione di immagini biomediche.
Il corso presenterà anche, all'inizio una panoramica sulle tecniche di imaging medico digitale, sulle modalità di gestione e di archiviazione delle stesse in ambito ospedaliero e le metodologie di visualizzazione tridimensionale utilizzate in radiologia e per applicazioni diagnostiche e chirurgiche.
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)
