Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
BIOINGEGNERIA
Insegnamento
BIOIMMAGINI
INL1001538, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
BIOINGEGNERIA
IN0532, ordinamento 2011/12, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese BIOIMAGING
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Sito E-Learning https://elearning.dei.unipd.it/course/view.php?idnumber=2018-IN0532-000ZZ-2017-INL1001538-N0
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile MARIAPIA SACCOMANI ING-INF/06

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria biomedica ING-INF/06 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 25/02/2019
Fine attività didattiche 14/06/2019

Syllabus
Prerequisiti: Si consiglia come prerequisito l'esame di Elaborazione di segnali biologici.
Conoscenze e abilita' da acquisire: Il corso si propone di fornire delle conoscenze su metodologie avanzate per l'elaborazione dell'immagine in campo biomedico. In particolare verranno studiate tecniche di miglioramento dell'immagine, di segmentazione, di rappresentazione, di ricostruzione e di registrazione. Verra’ introdotta ed approfondita la teoria su cui tali metodologie si basano. Durante le lezioni di laboratorio, tutte le tecniche studiate verranno implementate in Matlab ed applicate ad immagini biomediche. Infine verranno presentati e discussi alcuni case studies.
Modalita' di esame: L'esame e' costituito da due prove:
1°: prova teorica scritta con 3 domande aperte su teoria\esercizi (2 ore).
2°: prova pratica di Matlab da svolgere al calcolatore sul programma svolto durante ilaboratori.

Le due prove sono inscindibili (non se ne può ripetere una sola delle due).
Criteri di valutazione: Homework, esame scritto e prova in Matlab.
Contenuti: 1. Tipi di immagini in medicina e scopi dell’elaborazione numerica delle bioimmagini.
2. Il sistema visivo umano e le principali caratteristiche dell’immagine.
2.1 Cenni di fisiologia dell’occhio ed esperimenti di psicovisione
2.2 Rumore di un’immagine.
3. L’immagine digitale e il suo istogramma
3.1 Cenni di codifica e campionamento
3.2 Istogramma di un’immagine ed istogramma normalizzato
3.3 Equalizzazione dell’istogramma.
4. Miglioramento dell’immagine nel dominio spaziale
4.1 Operatori puntuali (esponenziali, logaritmici, …)
4.2 Operatori locali lineari e nonlineari
i. filtro a media mobile e mediano (rimozione rumore)
4.3 Operatori Globali
4.3.1 Operatori aritmetici
i. Media di immagini (Rimozione del rumore)
ii. Sottrazione di immagini
CASE STUDY: Digital Subtraction Angiography (DSA)
5. Miglioramento dell’immagine nel dominio delle frequenze
5.1 La trasformata di Fourier bidimensionale e sue proprietà.
5.2 Filtri passa alto, passa basso e passa banda
5.3 Filtri high-boost, high-frequency emphasis
5.4 Filtro omomorfico
5.5 Applicazione dei filtri studiati alle bioimmagini.
6. Ricostruzione da immagini TAC
6.1 Problema: ricostruire sezioni 2D da proiezioni 1D
6.2 Trasformata di Radon
6.3 Metodi algebrici
6.4 Metodi analitici. Teorema della sezione centrale.
Segmentazione dell’immagine.
7. Estrazione di contorni.
7.1 Operatori differenziali del primo e del secondo ordine.
7.2 Trasformata di Hough
7.3 Operatori con soglia
7.4 Algoritmi Merge and Split.
8. Operatori morfologici
8.1 Operatori logici per immagini binarie
8.2 Dilation ed Erosion, Opening e Closing
8.3 Estensione ad immagini di livelli di grigio
8.4 Segmentazione con le watersheds.
8.5 Applicazione ad immagini di cellule.
9. Rappresentazione e descrizione dell’immagine
9.1 Descrittori di bordi
9.2 Descrittori regionali.
10. Tecniche avanzate di segmentazione: i contorni deformabili (snakes)
10.1 Scopi in medicina
10.2 Formulazione matematica
10.3 Applicazioni alle bioimmagini.
11. Case Studies
11.1 Image analysis in ophthalmology: Analisi di immagini corneali
11.2 Segmentazione di lesioni melanocitiche.
12. Registrazione di immagini in medicina
12.1 Definizione del problema e scopi in medicina
12.2 Trasformazioni geometriche affini e proiettive
12.3 Selezione delle caratteristiche dell’immagine
12.4 Tecniche di registrazione
12.5 Cenni all’ottimizzazione della registrazione
12.6 Applicazione ad immagini CT, NMR e PET del cervello.
Attivita' di apprendimento previste e metodologie di insegnamento: lezioni frontali e laboratorio di informatica durante l'orario di lezione. Seminari su applicazioni di argomenti presentati a lezione, di persone che lavorano all’esterno dell'università.
Eventuali indicazioni sui materiali di studio: Appunti e lucidi del corso. I files .PDF delle lezioni ed eventuale materiale aggiuntivo (articoli scientifici ecc.) sono disponibili sulla pagina web del corso (area riservata) all'inizio di ogni settimana. Articoli scientifici. Testi consigliati.
Testi di riferimento:
  • Lim J.S., Two-Dimensional Signal and Image Processing.. New Jersey: Prentice-Hall Inc., 1990. capitoli 7 e 8. Cerca nel catalogo
  • Gonzales R.C., Woods R.E., Digital Image Processing.. New Jersey: Pearson Prentice Hall., 2008. Cerca nel catalogo
  • Gonzalez, Rafael C.; Woods, Richard Eugene, Digital image processingRafael C. Gonzalez, Richard E. Woods. Upper Saddle River: Pearson Prentice Hall, --. Cerca nel catalogo
  • Gonzalez, Rafael C.; Woods, Richard Eugene, Digital image processingRafael C. Gonzalez, Richard E. Woods. Upper Saddle River: Pearson Prentice Hall, --. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Case study
  • Files e pagine caricati online (pagine web, Moodle, ...)
  • Learning journal

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Matlab

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita'