Biomedical image processing (2018/2019)

Codice insegnamento
4S004554
Crediti
6
Coordinatore
Alessandro Daducci
Settore disciplinare
INF/01 - INFORMATICA
Lingua di erogazione
Inglese
L'insegnamento è organizzato come segue:
Attività Crediti Periodo Docenti Orario
Teoria 4 II semestre Alessandro Daducci

Vai all'orario delle lezioni

Laboratorio 2 II semestre Alessandro Daducci

Vai all'orario delle lezioni

Obiettivi formativi

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.

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.

In particolare, alla fine del corso lo studente dovrà dimostrare di essere in grado di:
-- comprendere i principi fisici alla base dell’acquisizione del dato grezzo con le principali tecniche diagnostiche (X-rays, CT, MRI, PET, US), nonché pregi, difetti e campo di applicabilitá di ciascuna modalitá;
-- aprire, manipolare e interpretare correttamente i dati multidimensionali acquisiti con tali tecniche e che rappresentano proprietá fisiche e biologiche sulla struttura e funzione del tessuto/organo sotto esame;
-- progettare una pipeline di analisi per l’estrazione dalle immagini biomediche di informazioni utili al processo diagnostico, riuscendo a fare scelte implementative adeguate a seconda della tipologia del dato da analizzare.

Alla fine del corso lo studente dovrà dimostrare di essere altresí 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. Lo studente avrá inoltre le basi sufficienti per essere in grado di approfondire in modo autonomo la conoscenza di tecniche di analisi piú complesse ed estendere le metodolgie introdotte a contesti applicativi differenti.

Programma

(1) Basic concepts
- Image properties: pixel vs voxel, spatial resolution, orientation, data type etc
- File formats: DICOM, NIFTI, MINC etc
- Signal-to-noise (SNR) vs Contrast-to-noise (CNR) ratio
- Noise, blurring and modality-specific artifacts
- Signal representation: frequency domain, spherical harmonics, sparse bases

(2) Overview of major medical imaging modalities
- Radiography: X-rays projection, fluoroscopy and computed tomography (CT)
- Nuclear medicine: SPECT and PET
- Ultrasounds (US)
- Magnetic Resonance Imaging (MRI)

(3) Basic image processing
- Recall of elementary tools: filtering, edge detection and image enhancement
- Registration: features, similarity measures, transformations (linear vs non-linear)

(4) Connectivity analysis with diffusion MRI
- Principles and main applications
- Local reconstruction: DTI, DSI, CSD etc
- Tissue microstructure estimation: axon diameter mapping, AxCaliber, ActiveAx, CHARMED, NODDI etc
- Tractography: local vs global methods, probabilistic, recent advances

(5) Laboratory
- Introduction to Python
- Hands-on activities on the topics covered throughout the course

Modalità d'esame

Il voto sará basato su una discussione del progetto assegnato durante il corso. 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.

Opinione studenti frequentanti - 2017/2018