93946 - COMPUTATIONAL NEUROIMAGING

Anno Accademico 2021/2022

  • Docente: Stefano Diciotti
  • Crediti formativi: 6
  • SSD: ING-INF/06
  • Lingua di insegnamento: Inglese
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Cesena
  • Corso: Laurea Magistrale in Biomedical engineering (cod. 9266)

    Valido anche per Laurea Magistrale in Biomedical engineering (cod. 9266)

Conoscenze e abilità da conseguire

Al termine del corso, lo studente possiede i principali strumenti teorici e pratici per l'elaborazione di dati di risonanza magnetica strutturale e funzionale. Possiede le conoscenze teoriche sulla fisica della risonanza magnetica (RM), sull'hardware degli scanner RM e sull'acquisizione ed elaborazione di immagini di RM strutturale (pesate in T1 ed in diffusione) e funzionale. E' in grado di elaborare dati RM eseguendo procedure di estrazione del cervello, co-registrazione, correzione del movimento e distorsione ed analisi surface-based. E’ in grado di approfondire ulteriori tematiche innovative valutandone pregi e difetti.

Contenuti

Elementi di anatomia cerebrale

Cellule e tessuti del cervello. Navigazione nelle immagini del cervello. Strutture cerebrali. Atlanti digitali

Fisica della risonanza magnetica e hardware dello scanner

Fisica degli spin. Principi di imaging. Tecniche di imaging di base. Hardware di imaging. Presentazione dell'immagine. Artefatti dell'immagine. Attività sperimentali su un MRI Tabletop

Modalità di MRI per il Neuroimaging

Introduzione alla MRI per il Neuroimaging. Imaging strutturale e funzionale. Immagini cliniche

Imaging strutturale

Imaging pesato in T1: acquisizione, estrazione del cervello, tecniche di co-registrazione, analisi basata sulla superficie, analisi singola e di gruppo

Imaging pesato in diffusione: acquisizione, principi di base della diffusione e del tensore di diffusione (DTI), pre-elaborazione ed estrazione del tensore, mappe parametriche, tecniche avanzate di diffusione

Imaging funzionale

Fondamenti di fMRI, effetto BOLD, acquisizione, pre-elaborazione (correzione slice-timing, smoothing, filtraggio passa-alto), analisi su singolo soggetto, analisi all'interno di un gruppo e tra gruppi, co-registrazione

Machine and Deep Learning avanzato per le neuroimmagini

Fondamenti delle tecniche di machine e deep learning. Strategie di machine e deep learning per il neuroimaging. Esempi di applicazioni nel neuroimaging

Testi/Bibliografia

Dispense fornite dal docente.

M. Jenkinson, "Introduction to Neuroimaging Analysis", Oxford University Press, 2017.

Metodi didattici

Il corso è articolato in lezioni ex-cathedra ed esercitazioni al computer. Le lezioni si propongono di fornire allo studente le conoscenze teoriche sull'elaborazione di immagini di risonanza magnetica, e di renderlo consapevole dei pregi e limiti di ciascuna tecnica. Le esercitazioni si propongono di addestrare lo studente alla risoluzione di semplici problemi reali di natura biomedica, e di fargli vedere nella pratica le possibilità ma anche gli errori introdotti da ciascuna tecnica di elaborazione. In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, [https://elearning-sicurezza.unibo.it/] in modalità e-learning.

Modalità di verifica e valutazione dell'apprendimento

La verifica dell'apprendimento avviene attraverso l'esame finale, che accerta l'acquisizione delle conoscenze e delle abilità attese tramite lo svolgimento di una prova orale. La prova orale verte sia sui concetti teorici esposti durante le lezioni sia sugli strumenti software utilizzati in laboratorio e attesta le conoscenze teorico-pratiche dello studente, la padronanza dei concetti, la proprietà di linguaggio e la chiarezza espositiva.

Strumenti a supporto della didattica

Document camera, videoproiettore.

Dispense fornite dal docente.

Laboratorio di personal computer.

Ambiente di analisi presso il laboratorio di personal computer, per lo svolgimento di esercitazioni al computer

Orario di ricevimento

Consulta il sito web di Stefano Diciotti

SDGs

Salute e benessere Istruzione di qualità

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.