93931 - SMART MEDICAL IMAGING

Conoscenze e abilità da conseguire

Al termine del corso lo studente conosce le problematiche principali nell’ambito dell’imaging medico e possiede una conoscenza approfondita sull'utilizzo delle tecnologie basate sulle immagini mediche in un contesto clinico oltre ad essere in grado di estrarre dall'analisi delle immagini mediche informazioni di supporto alla diagnosi ed alla terapia. Più nello specifico, lo studente: - sa contestualizzare i diversi sistemi di acquisizione di immagini medica e il loro utilizzo in clinica; - conosce sia approcci di visione artificiale classici sia metodologie innovative per l'analisi delle immagini mediche; - conosce le metodologie per ideare, sviluppare ed implementare soluzioni a problemi clinici che richiedono l’elaborazione di immagini mediche; - è in grado di effettuare delle valutazioni critiche sulle tecniche di imaging e di elaborazione più adeguate a risolvere problemi clinici specifici; - è in grado di interpretare i risultati delle elaborazioni in un contesto clinico; - sa dialogare sia con i produttori sia con gli utilizzatori di software per l’elaborazione di immagini mediche, al fine di offrire/ottenere indicazioni per il progetto e l’implementazione di soluzioni innovative in campo biomedicale.

Contenuti

Le bioimmagini digitali: acquisizione, memorizzazione ed elaborazione

I metodi classici per l'elaborazione di immagini: Aritmetica dell'immagine. Istogramma e operazioni puntuali, equalizzazione, aumento del contrasto, aumento/riduzione del range dinamico, istogramma cumulativo. Filtraggio lineare/non lineare di smoothing/sharpening nel dominio dello spazio e delle frequenze. Edge detectors. Operatori morfologici. Segmentazione di oggetti: sogliatura fissa e adattiva, trasformata di Hough, split and merge, region growing, watershed, graph cut.

Tecniche basate su equazioni evolutive per il filtraggio e la segmentazione di bioimmagini 2D, 3D e 3D+tempo (modelli deformabili e informazione di fase).

Statistical shape models

Tecniche di clustering e classificazione (K-means, expectation maximization, mean shift, KNN, ...)

Tecniche di machine learning e deep learning per la segmentazione e la classificazione di bioimmagini

Tecniche di registrazione di bioimmagini (rigida e affine, non rigida)

Metodi di tracking di bioimmagini (block matching e optical flow)

Algoritmi per la visualizzazione di dati medici

Cenni di analisi statistica nell'elaborazione di bioimmagini

Il programma sarà integrato settimanalmente da esercitazioni in laboratorio in cui le tecniche esposte a lezione verranno implementate e applicate a casi di interesse reale.

Lezioni seminariali verranno tenute su argomenti specifici da esperti del settore.

Testi/Bibliografia

Dispense e materiali forniti dal docente.

Si consiglia inoltre la lettura degli articoli scientifici di riferimento che saranno forniti dal docente su specifici approcci approfonditi in aula.

Digital Image Processing Using MATLAB. Gonzalez, Rafael C., Woods, Richard E. Pearson Prentice Hall

Metodi didattici

Lezioni frontali in aula ed esercitazioni assistite in laboratorio.

Ogni argomento teorico verrà immediatamente accompagnato da almeno una esercitazione in laboratorio. Lo studente acquisirà quindi non solo le competenze teoriche ma sarà in grado di implementare ed utilizzare le tecniche in casi studio che mettano in luce applicazioni significative.

Modalità di verifica e valutazione dell'apprendimento

Durante il corso verranno somministrati questionari anonimi mediante applicazioni web per monitorare in tempo reale il livello di comprensione dei contenuti ed eventualmente effettuarne delle rimodulazioni.

La verifica finale avviene mediante un esame orale con voto basato sulla preparazione dimostrata dallo studente sulla parte teorica e sulle esercitazioni. Viene richiesta la consegna almeno due giorni prima della data dell’esame della soluzione di due esercitazioni che verrà commentata e discussa durante la prova orale.

Verrà valutata la capacità dello studente di illustrare i contenuti trattati durante la il corso, effettuando anche valutazioni comparative tra le diverse metodologie presentate e proponendo allo studente l’applicazione delle tecniche studiate anche a nuovi casi studio reali. Proprietà di linguaggio, organicità di esposizione, livello di dettagli saranno parte integrante della valutazione.

Strumenti a supporto della didattica

Notebook, videoproiettore, laboratorio di informatica di base.

Orario di ricevimento

Consulta il sito web di Cristiana Corsi

Consulta il sito web di Chiara Bartolucci