Foto del docente

Claudia Testa

Professoressa associata

Dipartimento di Fisica e Astronomia "Augusto Righi"

Settore scientifico disciplinare: PHYS-06/A Fisica per le scienze della vita, l’ambiente e i beni culturali

Direttrice SCUOLA DI SPECIALIZZAZIONE FISICA MEDICA (D.I. 716/2016)

Curriculum vitae

Istruzione
2009: Specializzazione in Fisica Medica: Università di Tor Vergata, Roma.
2004: Laurea specialistica in Biofisica - XVI ciclo. Facoltà di Medicina e Chirurgia, Università “La Sapienza” di Roma.
2000: Laurea specialistica in Fisica - Università “La Sapienza” di Roma.


Attività accademica
Dal 2024: Direttrice della Scuola di Fisica Medica, Università di Bologna.
Dal 2018: Responsabile del Laboratorio NMR del Dipartimento di Fisica e Astronomia dell'Università di Bologna.
Dal 2019: Professoressa Associata in Fisica Applicata presso il Dipartimento di Fisica e Astronomia dell'Università di Bologna.


Attività didattica
Dal 2012: attività didattica relativa alla Fisica Applicata per i corsi di Laurea Triennale della Scuola di Medicina, per la Laurea Triennale e Magistrale in Fisica Applicata della Scuola di Scienze dell'Università di Bologna. Inoltre, attività didattica per la Scuola di Fisica Medica dell'Università di Bologna. Tutor di numerosi studenti di laurea magistrale e triennale in Fisica.


Attività di ricerca
Lavoro in gruppi multidisciplinari composti da fisici a clinici. Definizione di protocolli per misure di biomarcatori e acquisizioni sperimentali di dati di Risonanza Magnetica per la diagnosi di patologie.
Sviluppo di protocolli specifici per MRS e MRI; sviluppo di protocolli per il controllo di qualità per l'uso di nuove bobine e sequenze per scopi specifici.
Analisi dei dati di imaging e approcci statistici per la correlazione di dati di imaging e clinici.

Definizione di pipeline di analisi multimodale dei dati e del loro controllo di qualità. In particolare, fMRI (risonanza magnetica funzionale), trattografia basata su DWI, EEG-fMRI, QSM (Quantitative Susceptibility Mapping). Sviluppo di approcci di elaborazione per dati strutturali, funzionali e metabolici utilizzando metodi di riconoscimento di pattern, metodi di apprendimento automatico e approccio alla teoria dei grafi. Sviluppo di approcci di deep learning per la risonanza magnetica quantitativa.

Ultimi avvisi

Al momento non sono presenti avvisi.