1. Il modulo prevede la conoscenza delle nozioni principali dell'elaborazione di immagini con particolare riferimento a quelle mediche. 2. Il modulo introduce i concetti di apprendimento automatico e Intelligenza Artificiale (IA), con applicazione alla diagnostica per immagini. 3. Alla fine del corso, lo studente è in grado di capire il potenziale che offre l’IA per migliorare l’accuratezza e l’efficienza dell’interpretazione di immagine mediche.
Prerequisiti
nessuno
Metodi didattici
24 ore di lezioni frontali
Verifica Apprendimento
L’esame si compone da due parti, ugualmente ponderate. Una prova scritta a risposte multiple e/o aperte, che verte sull’accertamento delle conoscenze e abilità descritte negli obiettivi formativi. Una prova orale dove il docente porrà alcune domande specifiche (almeno 4) sugli argomenti trattati nel corso.
Contenuti
1. Concetti chiave nell'elaborazione dell’immagini: campionamento, quantizzazione, risoluzione e filtraggio, principali formati immagini. 2. Trattamento dell’immagini: aumento del contrasto, aumento della nitidezza, rimozione del rumore, segmentazione. 3. Concetti chiavi nell’IA: apprendimento automatico supervisionato e non supervisionato, problemi di regressione e classificazione, le reti neurali, deep learning, transfer learning, big-data, analisi dei dati e ruolo dell’IA. 4. Applicazioni: reti neurali convoluzionali per l’analisi, classificazione e segmentazione di immagini mediche. Casi studio che esemplificano come apprendendo da vaste serie di dati di immagini mediche, gli algoritmi di IA possono identificare schemi e anomalie che potrebbero essere trascurati dall’occhio umano.
Lingua Insegnamento
Italiano
Altre informazioni
Il docente riceve su appuntamento, previa richiesta via e-mail a: silvia.corchs@uninsubria.it