Titolo del corso
Imaging Medico
Codice identificativo del corso
2223-113R-10
Syllabus del corso
Titolo
Imaging Medico
Docente(i)
Prof. Marco Paganoni, Dr. Marco Pizzichemi, Prof. Laura Sironi, Dr. Luca Presotto
Lingua
Inglese
Breve descrizione
Lo scopo del corso è quello di presentare lo stato dell'arte, sia dal punto di vista hardware che software, di metodi avanzati di Imaging medico
Gli argomenti principali del corso saranno:
- Introduzione a PET, CT e imaging multimodale
- Introduzione a tecniche di ricostruzione dell'immagine applicate all'imaging tomografico per la minimizzazione del rumore (metodi statistici bayesiani e non bayesiani, reti neurali convoluzionali)
- Uso dell'Intelligenza artificiale per l'individuazione, classificazione e prognosi di malattie
- Introduzione alla Patologia Digitale (acqusizione delle immagini tramite whole-slide scanner; algoritmi di interlligenza artificiale per l'analisi delle immagini; estrazione delle features morfologiche e di texture utili in fase di diagnosi e prognosi; esempi di applicazione in campo clinico)
CFU / Ore
2 CFU/ 16 ore
Periodo di erogazione
II semestre (Aprile-Maggio)
Sustainable Development Goals
SALUTE E BENESSERE | ISTRUZIONE DI QUALITÁ | PARITÁ DI GENERE | LAVORO DIGNITOSO E CRESCITA ECONOMICA | IMPRESE, INNOVAZIONE E INFRASTRUTTURE | RIDURRE LE DISUGUAGLIANZE | CITTÀ E COMUNITÀ SOSTENIBILI
Title
Medical imaging
Teacher(s)
Prof. Marco Paganoni, Dr. Marco Pizzichemi, Prof. Laura Sironi, Dr. Luca Presotto
Language
English
Short description
The aim of the course is to present the status of the art of advanced Medical Imaging methodologies, both from hardware and software points of view.
The main subjects of lectures will be:
- Introduction to PET, CT and Multimodal Imaging
- Introduction to image reconstruction techniques applied to tomographic imaging to minimize noise (bayesian and non-bayesian statistical priors, convolutional neural networks)
- Use of Artificial Intelligence for disease detection, classification and prognosis
- Introduction to Digital Pathology (image acquisition through whole-slide scanners; artificial intelligence-based algorithms for image analysis; morphology and texture features for diagnosis and prognosis; clinical applications)
CFU / Hours
2 CFU/ 16 hours
Teaching period
II semester (April-May)
Sustainable Development Goals
GOOD HEALTH AND WELL-BEING | QUALITY EDUCATION | GENDER EQUALITY | DECENT WORK AND ECONOMIC GROWTH | INDUSTRY, INNOVATION AND INFRASTRUCTURE | REDUCED INEQUALITIES | SUSTAINABLE CITIES AND COMMUNITIES