L’obiettivo del corso è fornire allo studente le conoscenze teoriche e pratiche necessarie per comprendere e analizzare le caratteristiche delle immagini medicali. In particolare, il corso intende:

• fornire le conoscenze di base relative alle tecnologie di generazione delle immagini medicali e ai principi di funzionamento delle stesse;
• fornire le nozioni relative alle carartteristiche e ai principali formati delle immagini digitali con particolare riferimento al formato DICOM;
• illustrare le principali tecniche per l'elaborazione delle immagini, finalizzate al miglioramento delle caratteristiche delle stesse;
• illustrare alcuni tool per la visualizzazione e la pre-elaborazione delle immagini medicali;
• introdurre i fondamenti del machine learning e del deep learning applicati all’analisi delle immagini, con particolare attenzione alla segmentazione e classificazione di strutture biologiche
• introdurre il concetto di rendering di un'immagine e presentare i principali contesti applicativi

Risultati di apprendimento attesi (Descrittori di Dublino)
1. Conoscenza e capacità di comprensione
Al termine del corso, gli studenti avranno acquisito conoscenze relative a:

• I principi fisici e di funzionamento delle principali modalità di imaging medico (raggi X, TAC, Risonanza Magnetica ed Ecografia).
• Le caratteristiche, le proprietà matematiche e i formati standard delle immagini mediche digitali (con particolare attenzione allo standard DICOM).
• I principi teorici della percezione visiva e gli algoritmi di base per l'elaborazione delle immagini.
• I concetti fondamentali dell'Intelligenza Artificiale (Machine Learning e Deep Learning) applicati alla segmentazione e classificazione delle immagini mediche.

2. Conoscenza e capacità di comprensione applicate
Gli studenti saranno in grado di:

• Utilizzare applicazioni software open-source per visualizzare, manipolare ed eseguire il pre-processing di base delle immagini mediche digitali.
• Interpretare correttamente le caratteristiche di un immagine medicale.
• Formulare soluzioni quantitative di base per problemi semplici di elaborazione delle immagini medicali e di visualizzazione/rendering 3D.

3. Autonomia di giudizio
Gli studenti svilupperanno la capacità di:

• Valutare criticamente la qualità di un'immagine medica e identificare potenziali artefatti o limitazioni legati alla qualità dell'immagine e alla tecnologia di acquisizione.
• Scegliere in modo autonomo il gruppo/classe di tecniche di elaborazione delle immagini o il metodo di visualizzazione più appropriato in base all'obiettivo clinico o di ricerca.
• Valutare criticamente l'affidabilità e i limiti degli strumenti di intelligenza artificiale quando applicati alla segmentazione e alla classificazione anatomica.

4. Abilità comunicative
Gli studenti saranno in grado di:

• Comunicare in modo chiaro e con una terminologia tecnica appropriata le caratteristiche, i formati e i flussi di elaborazione (pipeline) delle immagini mediche.
• Discutere efficacemente i risultati dei dati di imaging e le specifiche tecniche all'interno di team interdisciplinari.

5. Capacità di apprendimento
Gli studenti acquisiranno le competenze per:

• Esplorare autonomamente e imparare a utilizzare strumenti software open-source nel campo dell'imaging medico digitale.
• Rimanere aggiornati sui progressi tecnologici nell'analisi delle immagini mediche e nelle applicazioni di intelligenza artificiale, consultando la letteratura scientifica e i manuali tecnici.