Università degli Studi di Napoli "Parthenope"

Scheda dell'insegnamento

Anno accademico: 
2020/2021
Tipologia di insegnamento: 
A scelta dello studente
Tipo di attività: 
Opzionale
Corso di afferenza: 
Corso di Laurea triennale (DM 270) in INGEGNERIA INFORMATICA, BIOMEDICA E DELLE TELECOMUNICAZIONI
Sede: 
Napoli
Settore disciplinare: 
BIOINGEGNERIA ELETTRONICA E INFORMATICA (ING-INF/06)
Lingua: 
Italiano
Crediti: 
6
Anno di corso: 
3
Docenti: 
Ciclo: 
Secondo Semestre
Ore di attivita' frontale: 
48

Obiettivi

*) Conoscenza e capacità di comprensione: lo studente deve dimostrare di conoscere e comprendere i principali aspetti dell’analisi statistica di dati e del trattamento delle immagini biomediche, con particolare enfasi sulla segmentazione. A ciò si aggiungono le conoscenze relative al funzionamento del sistema informativo sanitario.
*) Capacità di applicare conoscenza e comprensione: lo studente deve dimostrare di essere in grado di operare analisi statistiche su dati dati biomedici realistici o reali, e di implementare algoritmi di base per la segmentazione di immagini biomedicali.


*) Autonomia di giudizio: lo studente deve essere in grado di sviluppare la capacità di analizzare criticamente i risultati prodotti dall’analisi statistica e dall’elaborazione delle immagini biomediche ottenuti nei diversi casi di studio.
*) Abilità comunicative: Lo studente deve avere la capacità di esprimere chiaramente ed in maniera semplice concetti tecnici e di utilizzare correttamente il linguaggio scientifico.

*) Capacità di apprendimento: Lo studente deve essere in grado di integrare e aggiornare le conoscenze utilizzando fonti diverse proprie del settore dell’analisi dei dati biomedici (ad esempio testi e pubblicazioni scientifiche, manuali) e del sistema informativo sanitario al fine di un approfondimento della conoscenza e di acquisizione della capacità di seguire corsi di approfondimento o seminari specialistici del settore.

Prerequisiti

E’ necessario avere acquisito ed assimilato le seguenti conoscenze fornite dai corsi di Analisi Matematica, Programmazione dei Calcolatori Elettronici, Teoria dei segnali, Fondamenti di Telecomunicazioni e Laboratorio di Calcolo Numerico:
- concetti elementari di programmazione dei calcolatori elettronici;
- conoscenze dei concetti fondamentali di analisi matematica, con particolare riferimento alle funzioni ad 1 e 2 dimensioni;
- conoscenze relative ai segnali e alla loro analisi:
- conoscenze elementari di probabilità e teoria dei fenomeni aleatori.

Contenuti

- Basi di statistica (8 ore).
Cenni storici, statistica descrittiva, inferenza, popolazione, istogramma, statistica campionaria, correlazione, teorema del limite centrale, variabile aleatoria Gaussiana, intervallo di confidenza, verifica delle ipotesi, livello di significatività, regressione.
- Basi di reti neurali (6 ore)
Cenni storici, intelligenza artificiale, machine learning, deep learning, reti neurali, addestramento, layer fully connected e convoluzionali, pooling, funzioni di attivazione, criteri di progettazione, esempi di reti.
- Segmentazione delle immagini (6 ore)
Approcci basati sulla somiglianza, approcci basasti sulle discontinuità, algoritmo threshold based, algoritmo region growing, algoritmo k-means.
- Sistema informativo sanitario (10 ore)
Definizione, processi, i dati, Data Base Management System, modello entità relazione, diagrammi di flusso, utenti, reti di interconnessione, cartella clinica, Hospital Information System, Diagnosis Related Group, Radiology Information System, DICOM, HL7, sicurezza.
- Laboratorio (18 ore)
Acquisizione di database e lettura in ambiente Matlab, verifica di ipotesi, verifica di ipotesi tramite reti neurali, regressione, segmentazione di immagini tramite algorithmi basati su soglia, basasti su region growing, basati su k-means.

Metodi didattici

Il corso è articolato in lezioni frontali ed in lezioni di laboratorio in aula informatica.

Verifica dell'apprendimento

L’obiettivo della prova d’esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati.
L’esame è articolato in una prova orale nella quale sarà discusso un progetto e sarà valutata la capacità di collegare e confrontare aspetti diversi trattati durante il corso; per superare la prova è necessario acquisire almeno 18 punti su 30.

Testi

Appunti forniti dal docente disponibili sul sito del corso (www.elearning.uniparthenope.it)

Testi di riferimento:
S. M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo
K. J. Hannah, M. J. Ball, Health Informatics, Springer
I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press
R. C. Gonzalez, R. E. Woods, Digital Image Processing, Pearson

Altre informazioni

Il materiale didattico è disponibile sul sito "www.elearning.uniparthenope.it".
Il ricevimento è previsto il lunedì alle ore 16.00