Syllabus del corso
Obiettivi
[Overview del programma del corso]
Le immagini mediche sono una delle fonti più ampie e a crescita più rapida di informazioni e rappresentano una tra le maggiori sfide per la data science per via delle loro dimensioni, multimodalità e complessità. L'esplosione nella collezione di dati provenienti da sorgenti diverse rende il processamento di tali informazioni e l'interpretazione umana particolarmente difficili. Tutto ciò rende necessario lo sviluppo di nuove e più avanzate tecnologie di storage e gestione dei dati, nonché di algoritmi per il processamento e l'analisi automatica dei dati raccolti.
Inoltre, i sistemi di medical imaging (come l'imaging a risonanza magnetica o la tomografia ad emissione di positroni) non forniscono in maniera immediata ai clinici le informazioni rilevanti ai fini diagnostici, prognostici e di indirizzamento alla terapia. Pertanto, è fortemente richiesto lo sviluppo di algoritmi di image processing che siano in grado di estrarre queste informazioni utilizzando leggi fisiche/statistiche che mettano in relazione le misure collezionate con le immagini acquisite.
Nuove tecniche di analisi delle immagini (dalla teoria fino al disegno degli algoritmi e allo sviluppo di metodi avanzati di estrazione e selezione delle feature e di classificazione) sono e saranno cruciali per estrarre le informazioni più rilevanti a supporto del processo diagnostico clinico.
Il corso presenterà lo stato dell'arte dei metodi di image processing e il loro potenziale per la gestione di big data nell'ambito del medical imaging. Verranno affrontati problemi relativi alla dimesionalità dei dati e all'estrazione dalle immagini delle feature rilevanti per i clinical needs, nell'obiettivo di identificare candidati biomarcatori di malattia.
Ogni argomento sarà affrontato in due sessioni parallele, una teorica (lezioni frontali) e una pratica (attività di laboratorio).
Contenuti sintetici
- Segmentation of Medical Images
- Feature Extraction and Selection Techniques
- Predictive Models
- From Medical Images to Disease Biomarkers
- Texture Analysis
- Radiomics / Radiogenomics
- Statistical Parametric Mapping
Modalità didattica
Indicativamente, ogni argomento sarà affrontato in due sessioni parallele, una teorica (lezioni frontali) e una pratica (attività di laboratorio).
La frequenza è obbligatoria al 100%.
Periodo di erogazione dell'insegnamento
Secondo semestre
Modalità di verifica del profitto e valutazione
L'esame finale si compone di una parte pratica e una teorica.
La sessione pratica consiste nell'implementazione e nella presentazione di un progetto. Per questo, gli studenti saranno suddivisi in gruppi, i quali saranno valutati sulla base dei progetti sviluppati e implementati e sulla base della presentazione degli stessi. Verrà assegnata una votazione al livello di gruppo (non individuale).
La parte teorica consiste in un esame orale con 1) presentazione di un paper scientifico a scelta e 2) domande sulle lezioni teoriche. La valutazione sarà, in questo caso, individuale.
La votazione finale sarà assegnata a ogni studente considerando la valutazione ottenuta nelle sessioni pratica e teorica.
Orario di ricevimento
Su richiesta, via e-mail.
Gli studenti possono scrivere eventuali commenti e suggerimenti sul corso a questo link.
Aims
[Overview of the program of the course]
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.
New image analyses, from theory and algorithm design to the development of advanced methods for feature extraction, selection and classification, are crucial to extract to the most informative features that can be used to support the clinical diagnostic process.
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.
Each topic will be addressed in two parallel sessions, i.e., academic lessons and laboratory activities.
Contents
- Segmentazione di immagini mediche
- Tecniche di estrazione e selezione di feature
- Modelli predittivi
- Dalle immagini mediche ai biomarcatori
- Texture Analysis
- Radiomica
- Statistical Parametric Mapping
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.
A
A useful tool for neuroimage visualization is MRIcron, which is freely available for download on this webpage or ITK-SNAP
Teaching form
Each topic will be addressed in two parallel sessions, i.e., academic lessons and laboratory activities.
Attendance is mandatory for 100%.
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
On request by e-mail.
Please, leave any comment/suggestion about the course here.