Italiano

L'insegnamento introduce una serie di metodi utilizzati per l’analisi avanzata dei dati biomedici con particolare riferimento all’estrazione di caratteristiche da alcune tipologie di segnali biomedici ed immagini provenienti da applicazioni dell’ingegneria biomedica. Verranno presentate alcune pipeline di elaborazione e tecniche di analisi che sono rilevanti per la modellazione e misurazione ingegneristica di grandezze fisiologiche e alterazioni patologiche, con particolare focus sui neurosegnali e sulle neuroimmagini che vengono acquisiti per analizzare la struttura e la funzione cerebrale.

Slide preparate dal docente.
Tutorial e dati per sessioni demo a lezione.

Al termine del corso lo studente avrà acquisito un adeguato approccio e sensibilità ad una serie di metodologie analitiche avanzate proprie della bioingegneria, che gli consentiranno di analizzare e risolvere problematiche di analisi avanzate dei dati biomedici in diversi contesti. Lo studente sarà in grado di comprendere ed utilizzare alcune importanti pipeline di analisi dei segnali e delle immagini nell’ottica di ideare e/o riprogettare una soluzione alternativa o innovativa per l’identificazione di caratteristiche di interesse per una data applicazione biomedica. Lo studente avrà, inoltre, acquisito una serie di competenze tecniche ed analitiche, sviluppando la capacità di recepire gli spunti di aggiornamento ed approfondimento sui problemi complessi di analisi dei dati biomedici illustrati nel corso. Sarà, infine, notevolmente sviluppata la capacità critica di saper effettuare una ricerca in autonomia per contestualizzare e migliorare un approccio sulle tematiche trattate. Lo studente sarà, infine, in grado di riconoscere e documentare i limiti di validità ed applicabilità in contesti reali dei modelli e degli strumenti oggetto di studio del corso.

Nessuno.

Lezioni frontali, seminari ed esercitazioni interattive.

La verifica dell’apprendimento è finalizzata a valutare la capacità dello studente di preparare un report completo di analisi dati biomedici, a partire dalla descrizione del problema e della metodologia impiegata, fino alla presentazione e discussione dei risultati ottenuti su un campione di dati di studio forniti dal docente. La valutazione dipenderà dalla maturità acquisita sui contenuti del corso e si terrà conto della qualità dell’esposizione, in termini di utilizzo di linguaggio scientifico appropriato e dell’autonomia di giudizio dimostrata, e delle capacità teoriche e pratiche acquisite.

Aspetti generali sulle pipeline di analisi avanzate dei dati biomedici. Esempi di pipeline per l’analisi dei dati EEG e delle immagini MRI. Impiego di una pipeline per l’elaborazione dei segnali EEG. Impiego di una pipeline l’analisi morfometrica delle immagini MRI strutturali. Registrazione, segmentazione e normalizzazione delle immagini cerebrali. Il metodo SPM (statistical parametric mapping) per la rilevazione dell’atrofia cerebrale. Pipeline per l’analisi avanzata delle immagini MRI funzionali. Tecniche di co-registrazione tra immagini funzionali e strutturali. Allineamento e fusione delle immagini biomediche per la stima del movimento. Analisi statistica e computazionale del segnale di attivazione. Pipeline per l’estrazione di caratteristiche del segnale funzionale e del segnale di diffusione. Metodi avanzati per le analisi radiomiche e connettomiche.

Italian

The course introduces a series of methods used for advanced biomedical data analysis, with particular emphasis on feature extraction from selected types of biomedical signals and images from biomedical engineering applications. Some processing pipelines and analysis techniques relevant to the engineering modeling and measurement of physiological quantities and pathological changes will be presented, with a particular focus on neurosignals and neuroimages acquired to analyze brain structure and function.

Slides prepared by the instructor.
Tutorials and data for demo sessions in class.

By the end of the course, students will have acquired an appropriate approach and understanding of a range of advanced analytical methodologies specific to bioengineering, enabling them to analyze and resolve advanced biomedical data analysis challenges across various domains. Students will be able to understand and utilize key signal and image analysis pipelines to design and/or redesign an alternative or innovative solution for identifying features of interest for a given biomedical application. Students will also have acquired a range of technical and analytical skills, developing the ability to incorporate insights into the complex biomedical data analysis challenges presented in the course. Finally, students will have significantly developed their critical thinking skills, enabling them to conduct independent research to contextualize and improve their approach to the topics covered. Finally, students will be able to recognize and document the limitations of the validity and applicability of the models and tools studied in the course in real-world contexts.

None.

Lectures, seminars and interactive exercises.

The assessment of learning is designed to evaluate the student's ability to prepare a comprehensive biomedical data analysis report, from a description of the problem and methodology employed to a presentation and discussion of the results obtained on a sample of study data provided by the instructor. Evaluation will depend on the student's understanding of the course content and will take into account the quality of the presentation, in terms of the use of appropriate scientific language and demonstrated independent judgment, as well as the theoretical and practical skills acquired.

General aspects of advanced biomedical data analysis pipelines. Examples of pipelines for analyzing EEG data and MRI images. Use of a pipeline for EEG signal processing. Use of a pipeline for morphometric analysis of structural MRI images. Registration, segmentation, and normalization of brain images. The SPM (statistical parametric mapping) method for detecting brain atrophy. Pipelines for advanced analysis of functional MRI images. Co-registration techniques between functional and structural images. Alignment and fusion of biomedical images for motion estimation. Statistical and computational analysis of the activation signal. Pipelines for extracting features from functional and diffusion signals. Advanced methods for radiomics and connectomics analyses.