menegaz
univrit
CV - inglese
(pdf, en, 253 KB, 04/04/22)
Gloria Menegaz è Professore Ordinario di Bioingegneria (SSD ING-INF/06) presso il Dipartimento di Informatica dell’Università di Verona. E' stata Direttore della Scuola di Dottorato in Scienze Naturali e Ingegneristiche dal 2014 al 2019. Dal 2004 al 2007 è stata Prof. Associato presso lo stesso Dipartimento, dopo aver trascorso tre anni (2004-2007) presso il Dipartimento di Ingegneria dell’Informazione dell’Università di Siena come Professore Aggregato quale vincitrice del bando Rientro dei Cervelli del MIUR (DM 20/03/2003 n. 501). Dal 2002 al 2004 è stata Prof. Assistente presso il Dipartimento di Informatica dell’Università di Friborgo (Svizzera), dopo un post-doc (2000-2002) presso il Lab. Di Comunicazioni Audiovisuali (LCAV) e presso il Lab. Di Bioimaging (BIG) del Politecnico Federale di Losanna (EPFL). Ha conseguito il PhD in Applied Sciences (Docteur ès Sciences Techniques) presso il Lab. di Elaborazione dei Segnali (LTS) dell’EPFL nel 2000, la laurea in Ing. Elettronica con indirizzo Microelettronica, Optoelettronica e Strumentazione presso il Politecnico di Milano (1993 e 1995) ed il Master in Tecnologie dell’Informazione presso il CEFRIEL-Politecnico di Milano. Il suo profilo scientifico è altamente interdisciplinare e include l’elaborazione di segnali e immagini con applicazione in ambito biomedico (neuroimaging), l'intelligenza artificiale e lo studio e la modellazione della percezione. E’ autore di piu di 190 pubblicazioni che includono riviste prestigiose quali IEEE Trans. on Image Proc., IEEE Trans. on Medical Imaging, Frontiers in Neuroscience, Human Brain Mapping, Journal of Neural Engineering, 2 capitoli di libri e due brevetti. E’ Senior Member dell’IEEE, componente dell’Editorial Board of the Eurasip Journal of Image and Video Processing e TPC e area chair di numerosi congressi internazionali (IEEE ISBI, IEEE ICIP, EUSIPCO). E’ esperto valutatore di progetti per diversi enti internazionali tra cui la commissione europea (H2020, FP7, ESA), la European Science Fundation (ESR), il MIUR (PRIN, SIR, FIRB, RLM), l’ANR (Francia) e la Swedish Knowledge Foundation.
Modules running in the period selected: 58.
Click on the module to see the timetable and course details.
| Name | Online |
|---|---|
| 2019 Summer School on Brain Connectomics (35° ciclo - PhD in Nanoscience and Advanced Technologies) | |
| 2019 Summer School on Brain Connectomics (35° ciclo - PhD in Biotechnology) | |
| 2019 Summer School on Brain Connectomics (35° ciclo - PhD in Computer Science) |
| Topic | Description | Research area |
|---|---|---|
| Biomedical data processing | Feature extraction and integration from multi-modal data using multi-scale sparse representations for the definition of numerical biomarkers. Pattern recognition and machine learning for medical imaging and behavioral analysis. |
Machine Intelligence
Machine learning |
| Image processing and computer vision | Basic image processing, e.g. image enhancement, interpolation (digital zooming). Image processing applied to medical images, 2D and 3D segmentation, feature extraction, texture analysis. Optical flow extraction and processing. | IMAGE PROCESSING AND COMPUTER VISION |
| Multi-modal biomedical image processing | Computer vision and computational intelligence. Segmentation of multi-dimensional multi-modal data and objective validation of the outcomes. |
Machine Intelligence
Artificial intelligence |
| Neuroimaging | The main activity is in the field of neuroimaging, including structural (diffusion MRI) and functional (EEG, fNIRS, functional MRI) imaging as well as perceptual analysis through cognitive science methods. The goal is to gain an holistic view of human brain when inspected in specific conditions by the integration of multi-modal multi-scale probing and modeling. In addition, advanced computer vision and pattern recognition methods are employed for designing numerical biomarkers for the characterization of healthy and pathological conditions. |
Bioinformatics and medical informatics
Life and medical sciences |
| Sparse signal processing | Sparse multi-resolution representations for analysis and modeling of biological signals including diffusion MRI and EEG. |
Machine Intelligence
Discrete mathematics |
| Office | Collegial Body |
|---|---|
| member | PhD Commitee - Department Computer Science |
| member | Computer Science Teaching Committee - Department Computer Science |
| member | Computer Science Department Council - Department Computer Science |
