- Medical Imaging & Big Data
- Summary
Course Syllabus
Obiettivi
Le immagini mediche sono una delle risorse di informazioni più grandi e in più rapida crescita e presentano alcune delle maggiori sfide per la scienza dei dati a causa del loro volume, multimodalità e complessità.
L'esplosione nella raccolta di dati da diverse fonti rende impossibile la loro elaborazione e interpretazione da parte dell'uomo senza aiuto e richiede lo sviluppo di algoritmi di archiviazione, gestione, elaborazione e analisi automatizzati.
Inoltre, i dispositivi di imaging medico (come la risonanza magnetica o la tomografia a emissione di positroni) non forniscono immediatamente ai medici il tipo di informazioni pertinenti alle loro esigenze, ad es. biomarcatori per imaging per diagnosi, prognosi e terapia. Gli algoritmi di elaborazione delle immagini sono necessari per estrarre queste informazioni dalle leggi fisiche e statistiche che mettono in relazione le misurazioni con l'immagine.
Obiettivo del corso e' presentare metodi computazionali per l'analisi e l'integrazione di immagini mediche e grandi dati clinici, spaziando dalla teoria e progettazione di algoritmi allo sviluppo di metodi avanzati per l'estrazione, la selezione e la classificazione delle caratteristiche più informative delle immagini mediche che possono essere utilizzate per supportare in modo efficiente il processo diagnostico clinico e per prevedere la prognosi delle malattie e la risposta alle terapie, in ottica di medicina personalizzata.
Contenuti sintetici
Il corso presenterà diversi metodi di elaborazione delle immagini e il loro potenziale per la gestione di grandi dati di imaging medico, affrontando problemi di dimensionalità estraendo caratteristiche di immagine rilevanti per esigenze cliniche come biomarcatori di malattie candidate e applicando statistiche avanzate e algoritmi di apprendimento automatico alle immagini mediche e altri grandi dati clinici per la diagnosi, la prognosi e la terapia personalizzate delle malattie.
Ogni argomento sarà affrontato in due sessioni parallele, ovvero lezioni accademiche e attività di laboratorio.
Programma esteso
-Obiettivi dell'imaging medico
-Tecniche di imaging medico
-Tecniche di segmentazione delle immagini mediche
-Tecniche di quantificazione delle immagini mediche
-Dalle immagini mediche ai biomarcatori di malattia
-Analisi della tessitura
-Radiomica
-Analisi statistica parametrica
-Tecniche di machine learning applicate alle immagini mediche
-Esercitazioni mediante applicazione di codici di programmazione a dati e immagini mediche
-Tecniche di estrazione e selezione di caratteristiche applicate alle immagini mediche
-Training/testing/validation applicato alle immagini mediche
-Modelli di medicina predittiva basati su imaging medico
Prerequisiti
Durante il corso (sessioni pratiche) e l'implementazione dei progetti finali, utilizzeremo Matlab (The MathWorks). Per questo motivo, gli studenti devono scaricare e installare Matlab sui propri laptop.
Modalità didattica
Ogni argomento sarà affrontato in due sessioni parallele, ovvero lezioni teoriche e attività di laboratorio.
La frequenza è obbligatoria (circa> 75%, soprattutto per le attività di laboratorio). Tuttavia, possono essere discusse esigenze speciali.
Periodo di erogazione dell'insegnamento
Secondo semestre
Modalità di verifica del profitto e valutazione
L'esame si compone di una sessione pratica e una sessione teorica.
La sessione pratica consiste nel completare e presentare un progetto. Per questo compito, gli studenti saranno divisi in gruppi, che saranno valutati in base allo sviluppo e all'implementazione del progetto e alla presentazione finale. Un punteggio sarà assegnato a ciascun gruppo (non a ogni studente individualmente).
La sessione teorica consiste in una prova orale con domande riguardanti le lezioni teoriche del corso e un elaborato scientifico. La valutazione di questa sessione sarà individuale.
Ad ogni studente verrà assegnato un punteggio finale, in considerazione sia della valutazione della sessione pratica che della prova orale.
Orario di ricevimento
Di norma il martedi dalle 12:30 alle 13:30
Aims
Medical images are one of the largest and fastest growing resources of information and present some of the biggest challenges for data science due to their volume, multimodality and complexity.
The explosion in data collection from different sources makes their unaided processing and interpretation by humans impossible, and requires the development of automated storage, management, processing and analysis algorithms.
Moreover, medical-imaging devices (such as magnetic resonance imaging or positron emission tomography) do not immediately provide physicians with the kind of information relevant to their needs, e.g. imaging biomarkers for diagnosis, prognosis and therapy. Image processing algorithms are needed to extract this information from the physical and statistical laws that relate the measurements with the image.
The aim of the course is to present computational methods for the analysis and integration of medical images and clinical data, ranging from the theory and design of algorithms to the development of advanced methods for the extraction, selection and classification of the most informative features from medical images that can be used to efficiently support the clinical diagnostic process and to predict disease prognosis and response to therapies, from a personalized medicine perspective.
Contents
The course will present several image processing methods and their potential for managing big medical-imaging data, facing dimensionality problems by extracting image features relevant to clinical needs as candidate disease biomarkers and applying advanced statistics and machine learning algorithms to medical images and other big clinical data for the personalized diagnosis, prognosis and therapy of diseases.
Each topic will be addressed in two parallel sessions, i.e., academic lessons and laboratory activities.
Detailed program
- Objectives of medical imaging
- Medical imaging techniques
- Medical image segmentation techniques
- Medical image quantification techniques
-From medical images to disease biomarkers
-Texture analysis
-Radiomics
-Statistical Parametric Mapping
- Machine learning techniques applied to medical images
-Techniques for extraction and selection of characteristics applied to medical images
- Practices by applying programming codes to medical data and images
Prerequisites
During the course (practical sessions) and the implementation of the final projects, we will make use of Matlab (The MathWorks). Because of this, students are required to download and install Matlab on their laptops.
Teaching form
Each topic will be addressed in two parallel sessions, i.e., theorical lessons and laboratory activities.
Attendance is mandatory (roughly > 75%, especially for laboratory activities). However, special needs can be discussed.
Semester
Second semester
Assessment method
The exam is composed of a practical session and a theoretical session.
The practical session consists in completing and presenting a project. For this task, students will be divided into groups, which will be evaluated based on the project development and implementation and on the final presentation. A score will be assigned to each group (not to each student individually).
The theoretical session consists in an oral examination with questions regarding the theoretical lessons of the course and a scientific paper. The evaluation of this session will be individual.
A final score will be assigned to each student individually, considering both the evaluation of the practical session and the oral examination.
Office hours
Normally on Tuesdays from 12:30 to 13:30