Elena Loli Piccolomini

• Ricostruzione ed elaborazione  di immagini tomografiche con metodi di regolarizzazione e reti neurali. Si utilizzano il linguaggio pyhton ed eventuali piattaforme per lo sviluppo e l’utilizzo di reti neurali (LM Matematica, LT Informatica) 
  

• Elaborazione di immagini (super-risoluzione, deblur, Denoise, registrazione, segmentazione) utilizzando algoritmi di  ottimizzazione e/o con reti neurali. Sono richieste conoscenze di base di programmazione. Si utilizzano il linguaggio pyhton (o Matlab) ed eventuali piattaforme per lo sviluppo e l’utilizzo di reti neurali.(LT Informatica, LT Informatica per il management)

• Analisi di dati con strumenti di statistica e machine learning (LT Informatica per il management)
  
  
• 1. Stima di stabilità rispetto al rumore dei modelli diffusivi nella risoluzione dei problemi inversi nell’imaging (LM Matematica, LM Infromatica)
  
  

TESI per LM Informatica (corso Computational Imaging) 

1. Uso dei modelli Latent Diffusion (LDM) per generazione di immagini mediche 2D:
   1. Confronto con altri modelli generativi come flow-matching e Denoising Diffusion Models (DDM)
   2. Generazione di immagini di “grandi dimensioni” (256x256, 512x512, ….)
   3. Utilizzo di Data Augmentation in generazione con LDM.
2. Generazione 3D: confronto di modelli (DDM,LDM,Flow-matching …)
3. Generazione multimodale di immagini mediche
4. Risoluzione di problemi inversi (deblur, denoise, ricostruzione CT) con diversi modelli generativi (DDM, LDM, Flow-matching)

TIROCINI presso AZIENDE

1. IMS Giotto  [https://imsgiotto.com/]. Esperienza in ricostruzione di immagini tomografiche con dati reali.
2. Seetrhough s.r.l.  Esperienza in ricostruzione di immagini tomografiche con dati reali.