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.
Tipologia di Attività formativa D e F
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 2025/2026Le attività formative di tipologia D sono a scelta dello studente, quelle di tipologia F sono ulteriori conoscenze utili all’inserimento nel mondo del lavoro (tirocini, competenze trasversali, project works, ecc.). In base al Regolamento Didattico del Corso, alcune attività possono essere scelte e inserite autonomamente a libretto, altre devono essere approvate da apposita commissione per verificarne la coerenza con il piano di studio. Le attività formative di tipologia D o F possono essere ricoperte dalle seguenti attività.
1. Insegnamenti impartiti presso l'Università di Verona
Comprendono gli insegnamenti sotto riportati e/o nel Catalogo degli insegnamenti (che può essere filtrato anche per lingua di erogazione tramite la Ricerca avanzata).
Modalità di inserimento a libretto: se l'insegnamento è compreso tra quelli sottoelencati, lo studente può inserirlo autonomamente durante il periodo in cui il piano di studi è aperto; in caso contrario, lo studente deve fare richiesta alla Segreteria, inviando a carriere.scienze@ateneo.univr.it il modulo nel periodo indicato.
2. Attestato o equipollenza linguistica CLA
Oltre a quelle richieste dal piano di studi, per gli immatricolati dall'A.A. 2021/2022 vengono riconosciute:
- Lingua inglese: vengono riconosciuti 3 CFU per ogni livello di competenza superiore a quello richiesto dal corso di studio (se non già riconosciuto nel ciclo di studi precedente).
- Altre lingue e italiano per stranieri: vengono riconosciuti 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).
Tali cfu saranno riconosciuti, fino ad un massimo di 6 cfu complessivi, di tipologia F se il piano didattico lo consente, oppure di tipologia D. Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.
Gli immatricolati fino all'A.A. 2020/2021 devono consultare le informazioni che si trovano qui.
Modalità di inserimento a libretto: richiedere l’attestato o l'equipollenza al CLA e inviarlo alla Segreteria Studenti - Carriere per l’inserimento dell’esame in carriera, tramite mail: carriere.scienze@ateneo.univr.it
3. Competenze trasversali
Scopri i percorsi formativi promossi dal TALC - Teaching and learning center dell'Ateneo, destinati agli studenti regolarmente iscritti all'anno accademico di erogazione del corso https://talc.univr.it/it/competenze-trasversali
Modalità di inserimento a libretto: non è previsto l'inserimento dell'insegnamento nel piano di studi. Solo in seguito all'ottenimento dell'Open Badge verranno automaticamente convalidati i CFU a libretto. La registrazione dei CFU in carriera non è istantanea, ma ci saranno da attendere dei tempi tecnici.
4. CONTAMINATION LAB
Il Contamination Lab Verona (CLab Verona) è un percorso esperienziale con moduli dedicati all'innovazione e alla cultura d'impresa che offre la possibilità di lavorare in team con studenti e studentesse di tutti i corsi di studio per risolvere sfide lanciate da aziende ed enti. Il percorso permette di ricevere 6 CFU in ambito D o F. Scopri le sfide: https://www.univr.it/clabverona
ATTENZIONE: Per essere ammessi a sostenere una qualsiasi attività didattica, incluse quelle a scelta, è necessario essere iscritti all'anno di corso in cui essa viene offerta. Si raccomanda, pertanto, ai laureandi delle sessioni di dicembre e aprile di NON svolgere attività extracurriculari del nuovo anno accademico, cui loro non risultano iscritti, essendo tali sessioni di laurea con validità riferita all'anno accademico precedente. Quindi, per attività svolte in un anno accademico cui non si è iscritti, non si potrà dar luogo a riconoscimento di CFU.
5. Periodo di stage/tirocinio
Oltre ai CFU previsti dal piano di studi (verificare attentamente quanto indicato sul Regolamento Didattico): qui informazioni su come attivare lo stage.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
2° | Introduzione alla robotica per studenti di materie scientifiche | D |
Paolo Fiorini
(Coordinatore)
|
2° | Linguaggio Programmazione Matlab-Simulink | D |
Bogdan Mihai Maris
(Coordinatore)
|
2° | Prototipizzazione con Arduino | D |
Franco Fummi
(Coordinatore)
|
2° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
2° | Introduzione alla stampa 3D | D |
Franco Fummi
(Coordinatore)
|
2° | Linguaggio programmazione Python | D |
Carlo Combi
(Coordinatore)
|
2° | Progettazione di componenti hardware su FPGA | D |
Franco Fummi
(Coordinatore)
|
2° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Roberto Giacobazzi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
2° | Federated learning from zero to hero | D |
Gloria Menegaz
|
Biomedical image processing (2022/2023)
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 di apprendimento
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. Conoscenza e capacità di comprensione. 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. Conoscenze applicate e capacità di comprensione. In particolare, alla fine del corso lo studente dovrà dimostrare di essere in grado di: a) aprire, manipolare e processare i dati multidimensionali acquisiti con le principali tecniche diagnostiche (raggi X, risonanza magnetica, medicina nucleare e ultrasuoni); b) valutare pregi, difetti e campi di applicabilità di ciascuna modalità; c) interpretare correttamente il contenuto di tali immagini e saperlo collegare alle proprietà fisiche e biologiche del tessuto/organo sotto esame. Autonomia di giudizio. Lo studente sarà in grado di progettare una pipeline di analisi per l’estrazione da immagini biomediche di informazioni utili al processo diagnostico, riuscendo a fare scelte implementative adeguate a seconda della tipologia del dato da analizzare. Abilità comunicative. Alla fine del corso lo studente dovrà dimostrare di essere altresì 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. Capacità di apprendere. Lo studente avrà inoltre le basi sufficienti per essere in grado di approfondire in modo autonomo la conoscenza di tecniche di analisi più complesse ed estendere le metodologie introdotte a contesti applicativi differenti.
Prerequisiti e nozioni di base
Una buona conoscenza dei contenuti di corsi base tipo "Elaborazione di segnali e immagini" é fortemente consigliata (ma non strettamente necessaria) per una corretta e completa comprensione del corso.
Programma
(1) Basic concepts
- Image properties: pixel vs voxel, spatial resolution, orientation, data type, etc
- File formats
- Signal-to-noise ratio, Contrast-to-noise ratio, etc
(2) Main imaging modalities (recall principles)
- Radiography: X-rays projection, fluoroscopy and computed tomography
- Nuclear medicine: SPECT and PET
- Ultrasounds
- Magnetic Resonance Imaging
(3) Medical image registration
- Geometric transformations
- Features and similarity measures
- Transformations (linear vs non-linear)
(4) Morphometry analysis
- Region-of-interest analysis
- Voxel-based morphometry
- Surface-based morphometry
- Tract-based morphometry in white matter
(5) Structural connectivity estimation
- Diffusion MRI: principles and main applications
- Estimating microstructural features of the neuronal tissue
- Inferring fibers geometry and organization (a.k.a. tractography)
- Recent advances
(6) Functional connectivity estimation
- Physiology of neurons and how to record their activity
- Functional MRI: principles and main applications
- Elettroencefalography and magnetoencefalography: principles and main applications
- Static vs dynamic connectivity
(7) Network analysis (a.k.a. connectomics)
- A network representation of the brain: how and why?
- Studying brain networks with graph theory: concepts and measures
- Comparing brain networks in different groups of subjects
(8) Laboratory
- Hands-on activities on the topics covered throughout the course
- Real neuroimaging data provided to be analyzed
Modalità didattiche
Lezioni frontali per la parte di teoria con svariati interventi di esperti internazionali; nella parte di laboratorio, gli studenti installeranno e utilizzeranno i principali software per analizzare immagini reali di studi clinici.
Modalità di verifica dell'apprendimento
L’esame consiste in un progetto, assegnato alla fine del corso, volto ad analizzare immagini di risonanza magnetica prese da uno studio clinico reale. 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.
Criteri di valutazione
La valutazione sará basata su (A) una breve relazione scritta (max 10 pagine) e (B) una presentazione/discussione orale (la quale può prevedere anche domande sulla parte di teoria), in cui verranno valutati sia l’esposizione che l’interpretazione delle metodologie impiegate e dei risultati ottenuti.
Criteri di composizione del voto finale
Il voto finale sará composto al 50% dalla relazione scritta e al 50% in base alla presentazione.
Lingua dell'esame
English