Giorgio DE NUNZIO

Giorgio DE NUNZIO

Ricercatore Universitario

Settore Scientifico Disciplinare FIS/07: FISICA APPLICATA (A BENI CULTURALI, AMBIENTALI, BIOLOGIA E MEDICINA).

Dipartimento di Matematica e Fisica "Ennio De Giorgi"

Centro Ecotekne Pal. M - S.P. 6, Lecce - Monteroni - LECCE (LE)

Ufficio, Piano terra

Telefono +39 0832 29 7084 +39 0832 29 7051

Professore Aggregato

Area di competenza:

Fisica Applicata (Fis/07): Fisica e Informatica per la Medicina e per i Beni Culturali. Analisi di immagini di diagnostica medica. Intelligenza Artificiale per la Medicina.

Orario di ricevimento

Su appuntamento via email

Visualizza QR Code Scarica la Visit Card

Curriculum Vitae

Nato a Lecce il 18/06/1965, Ricercatore a Tempo Indeterminato in "Fisica Applicata (a Beni Culturali, Ambientali, Biologia e Medicina)", SSD FIS/07, e Professore Aggregato presso il Dipartimento di Matematica e Fisica "Ennio De Giorgi" dell'Università del Salento.

TITOLI DI STUDIO
Laureato in Fisica nel 1991 presso l'Università degli Studi di Lecce, con la tesi: 'Fenomeni non lineari nell'Acetanilide: teorie ed esperimenti'. Ha conseguito il diploma di Dottore di Ricerca nel 1995 presso l'Université de Montpellier II (Montpellier, Francia), con la tesi 'Etude des excitations vibrationnelles non-harmoniques dans des cristaux moléculaires possédant des chaînes unidirectionnelles de liaisons hydrogène: l'acétanilide et ses dérivés deutérés' (giudizio della Commissione: 'Très honorable et félicitations du jury').

ATTIVITA' DI RICERCA ATTUALI:
I campi di Ricerca attuali sono l'applicazione della Fisica e dell'Informatica alla medicina e al territorio (per la salvaguardia dei beni artistici e culturali).

ATTIVITA' DIDATTICA

Giorgio De Nunzio è stato dall'aa 2001/02 dapprima collaboratore/esercitatore e poi responsabile del Corso di "Laboratorio di Fisica" presso il cdl di Scienze Biologiche (VO). E' stato responsabile del corso di “Laboratorio Curriculare di Fisica per la Sanità” (III anno del curriculum Tecnologico, cdl triennale in Fisica) (dall'aa 2003/04 all'aa 2007/08 senza interruzioni). E' stato responsabile del corso di “Tecniche Fisiche per la Biomedicina”. (I anno del cdl specialistico in Fisica) (dall'aa 2005/06 al 2008/09 senza interruzioni). Nel 2009/10 è stato responsabile del modulo A del corso di "Tecniche Fisiche per la Diagnostica e il Monitoraggio" (I anno del cdl specialistico in Fisica). E' attualmente responsabile del Corso di "Tecniche di Imaging per la Diagnostica Medica". Ha inoltre collaborato a vari altri corsi del cdl in Fisica.

Argomento del corso di "Tecniche di Imaging per la Diagnostica Medica":  Fisica delle principali tecniche di diagnostica  medica (CT, MRI, DTI).  MATLAB, programmazione base e applicazioni nel trattamento di immagini. Processing delle immagini diagnostiche. Sistemi CAD (Computer Assisted Detection) e cenni sulle reti neurali artificiali. Esercitazioni sugli argomenti del Corso.

Collabora al corso di "Laboratorio di Fisica I" (cdl triennale in Fisica)

TESI DI LAUREA/SPECIALIZZAZIONE/DOTTORATO

Giorgio De Nunzio é stato Relatore di oltre 40 Tesi di Laurea (triennali e specialistiche), Correlatore di quattro. E' stato Relatore di due Tesi di Specializzazione in Fisica Sanitaria e di tre Tesi di Dottorato. Quasi tutte sono pertinenti la Fisica e l’Informatica applicate alla Medicina.

 

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (Corso di Laurea Magistrale in Fisica), 7 CFU, I Semestre

 1) Presentazione e obiettivi del corso

Il Corso tratta delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, PET). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini. Seguono le nozioni fondamentali e avanzate sul processing delle immagini diagnostiche. Sono introdotti i sistemi CAD (Computer-Assisted Detection), e si danno cenni sulle reti neurali artificiali, per le applicazioni in diagnostica medica per immagini. Il Corso è accompagnato da esercitazioni pratiche in Laboratorio Informatico sui vari argomenti trattati. 

Obiettivi formativi principali:

° conoscenza della strumentazione per la diagnosi per immagini.

° conoscenza degli strumenti matematici e informatici avanzati di uso corrente nell'imaging medicale.

° padronanza nell'applicare il metodo scientifico d'indagine per la rappresentazione e modellizzazione della realtà fisica;

° capacità di utilizzare strumenti e metodologie matematiche ed informatiche specializzate, incluso lo sviluppo di programmi software;

Conoscenze e abilità da acquisire:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di pattern recognition e CAD per la Medicina.

2) Prerequisiti

Fisica: Fisica di base, Interazione radiazione-materia, Meccanica Quantistica

Informatica: nessuno

3) Testi consigliati e Materiale didattico

Dispense fornite dal docente. Per approfondimenti:

· “Elaborazione delle Immagini Digitali”, R. C. Gonzalez, R. E. Woods, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066

· “Pattern Classification”, P. E. Hart, D. G. Stork, R. O. Duda, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690

4) Modalità di esame

Esame teorico (per iscritto) e pratico (realizzazione di semplici software)

Didattica

A.A. 2023/2024

TECNICHE DI IMAGING E INTELLIGENZA ARTIFICIALE PER LA MEDICINA E LA BIOLOGIA

Corso di laurea FISICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Anno accademico di erogazione 2023/2024

Per immatricolati nel 2022/2023

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso ASTROFISICA,FISICA SPERIMENTALE DELLE INTERAZIONI FONDAMENTALI

Sede Lecce

TECNICHE DI IMAGING E INTELLIGENZA ARTIFICIALE PER LA MEDICINA E LA BIOLOGIA

Corso di laurea FISICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Anno accademico di erogazione 2023/2024

Per immatricolati nel 2022/2023

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso NANOTECNOLOGIE E FISICA DELLA MATERIA, FISICA APPLICATA

Sede Lecce

A.A. 2022/2023

FISICA MEDICA E RADIOPROTEZIONE

Corso di laurea INFERMIERISTICA (ABILITANTE ALLA PROFESSIONE SANITARIA DI INFERMIERE)

Tipo corso di studio Laurea

Crediti 2.0

Ripartizione oraria Ore totali di attività frontale: 24.0

Anno accademico di erogazione 2022/2023

Per immatricolati nel 2022/2023

Anno di corso 1

Struttura DIPARTIMENTO DI SCIENZE E TECNOLOGIE BIOLOGICHE ED AMBIENTALI

Percorso COMUNE/GENERICO

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Anno accademico di erogazione 2022/2023

Per immatricolati nel 2021/2022

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA

Sede Lecce

A.A. 2021/2022

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Anno accademico di erogazione 2021/2022

Per immatricolati nel 2020/2021

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA

Sede Lecce

A.A. 2020/2021

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Anno accademico di erogazione 2020/2021

Per immatricolati nel 2019/2020

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA

A.A. 2019/2020

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Anno accademico di erogazione 2019/2020

Per immatricolati nel 2018/2019

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA

Sede Lecce

A.A. 2018/2019

DIAGNOSTIC IMAGING

Degree course DIAGNOSTICS FOR CULTURAL HERITAGE

Course type Laurea Magistrale

Language INGLESE

Credits 6.0

Teaching hours Ore totali di attività frontale: 42.0

Year taught 2018/2019

For matriculated on 2018/2019

Course year 1

Structure DIPARTIMENTO DI BENI CULTURALI

Subject matter PERCORSO COMUNE

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Anno accademico di erogazione 2018/2019

Per immatricolati nel 2017/2018

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA

Sede Lecce

Torna all'elenco
TECNICHE DI IMAGING E INTELLIGENZA ARTIFICIALE PER LA MEDICINA E LA BIOLOGIA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2022/2023

Anno accademico di erogazione 2023/2024

Anno di corso 2

Semestre Primo Semestre (dal 18/09/2023 al 15/12/2023)

Lingua ITALIANO

Percorso ASTROFISICA,FISICA SPERIMENTALE DELLE INTERAZIONI FONDAMENTALI (A219)

Sede Lecce

Fisica: Fisica di base, Interazione radiazione-materia, raggi X, fondamenti di Meccanica Quantistica (per la comprensione del fenomeno di risonanza magnetica nucleare e dell'imaging in risonanza magnetica, MRI).

Informatica: nessuno, salvo la manualità nell’uso del computer.

Il Corso tratta di alcune delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, cenni su PET) e di imaging per la biologia (microscopia ottica). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini, dapprima in generale e poi nel campo delle immagini diagnostiche. Sono introdotti i sistemi di Intelligenza Artificiale e CAD (Computer-Assisted Detection) per la lettura automatica e l’individuazione automatica di patologie nelle immagini, e la Radiomica. Sono estesamente trattati, con approccio essenzialmente pragmatico, i sistemi di Intelligenza Artificiale basati su Machine Learning (per la classificazione) e - in particolare - le reti neurali artificiali, per le applicazioni in diagnostica per immagini. Sono introdotti i sistemi di Deep Learning. Tutte le lezioni del Corso sono accompagnate da esercitazioni pratiche al computer sui vari argomenti trattati, in Matlab e, ove possibile in base ai tempi e agli interessi degli studenti, in python.

Risultati di apprendimento previsti:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: Uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di Machine Learning e CAD per la biologia e la medicina. Rudimenti nell'uso di python.

Tranne alcune lezioni introduttive o puramente teoriche (in particolare quelle sulla fisica e l'ingegneria delle apparecchiature di imaging), l’intero Corso è svolto in Laboratorio Informatico, con esercitazioni sulla maggior parte del materiale studiato.

Esame teorico (iscritto o orale) sulle tecniche fisiche di Imaging per la diagnostica, sulle basi della programmazione in Matlab, sulle tecniche di Machine Learning; prova pratica (realizzazione di semplici software legati agli argomenti del Corso).

Da definirsi in base alle esigenze degli studenti.

Introduzione al corso, argomenti e finalità.

Tecniche di imaging diagnostico. Ecografia: basi fisiche e implementazione ingegneristica; artefatti. Fenomeno della risonanza magnetica degli spin, tempi di rilassamento T1 e T2, sequenze, codifica spaziale. Raggi X e radiografia. TC. Generazioni di dispositivi per TC. Numeri di Hounsfield. Proiezioni: MPR, MIP...

Matlab. Introduzione a Matlab. Vettori e matrici, operazioni aritmetico-logiche, standard input-output. Strutture di controllo. Plot-subplot. M-files. Istruzioni: find, tic/toc, pause, numeri casuali, etc. Applicazioni: uso del coefficiente di correlazione, Adattamento di una distribuzione gaussiana a dati sperimentali; artificial life (simulazione di automi cellulari), simulazione dell’assorbimento di fotoni da parte di un materiale di dato spessore e caratteristiche fisiche (modello semplificato). Fit lineari e polinomiali (polyfit/polival). Fit con esponenziali. Grafici lineari e logaritmici. 

Python: Installazione dell'ambiente di programmazione; esempi; applicazioni per il Machine Learning.

Immagini analogiche e digitali. Immagini di diagnostica medica. Acquisizione/elaborazione di immagini diagnostiche. Discretizzazione spaziale: dimensioni ("risoluzione") di un'immagine digitale, pixel (voxel) (numeri binari). Il "colore" (b/w, grigi, etc). Memorizzazione di un'immagine, profondità di colore, bit per pixel. Immagini 2D e 3D. Numeri di Hounsfield. Finestra dei grigi. DICOM. Operazioni sulle immagini. Istogramma di intensità. Stretching dell'istogramma con le istruzioni di Matlab (imadjust). Operazioni di thresholding: teoria e applicazioni. Operazioni morfologiche su immagini. Formato DICOM e uso di un visualizzatore di immagini (per la visualizzazione e lo studio di un’immagine CT polmonare); centro e larghezza della finestra dei grigi. Proiezioni assiali/coronali/sagittali.

Segmentazione di immagini di interesse medico e biologico; applicazioni. Individuazione di “oggetti” nelle immagini.

Machine Learning e Reti neurali artificiali. Introduzione. Finalità. Spazio delle feature. Backpropagation. Reti con e senza strati nascosti. Soluzione di problemi linearmente separabili e non.

Sistemi CAD. Caratteristiche di un test diagnostico: Concetto di (vero o falso) positivo, (vero o falso) negativo. Sensibilità e specificità. Spazio ROC. Area sotto la curva ROC; istruzione roc e plotroc; istruzione trapz; aggiunta di rumore ai dati e verifica della dipendenza dell’area sotto la curva (AUC) dalla percentuale di rumore.

Testi di riferimento:

Dispense fornite dal docente. Per approfondimenti:

  • R. C. Gonzalez, R. E. Woods, “Elaborazione delle Immagini Digitali”, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066
  • P. E. Hart, D. G. Stork, R. O. Duda, “Pattern Classification”, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690
  • A. Castellano, G. De Nunzio, M. Donativi, Fisica e tecnica delle apparecchiature biomediche. Deltaedit, Arnesano (LE) (2009), ISBN: 8890267933
TECNICHE DI IMAGING E INTELLIGENZA ARTIFICIALE PER LA MEDICINA E LA BIOLOGIA (FIS/07)
TECNICHE DI IMAGING E INTELLIGENZA ARTIFICIALE PER LA MEDICINA E LA BIOLOGIA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2022/2023

Anno accademico di erogazione 2023/2024

Anno di corso 2

Semestre Primo Semestre (dal 18/09/2023 al 15/12/2023)

Lingua ITALIANO

Percorso NANOTECNOLOGIE E FISICA DELLA MATERIA, FISICA APPLICATA (A220)

Sede Lecce

Fisica: Fisica di base, Interazione radiazione-materia, raggi X, fondamenti di Meccanica Quantistica (per la comprensione del fenomeno di risonanza magnetica nucleare e dell'imaging in risonanza magnetica, MRI).

Informatica: nessuno, salvo la manualità nell’uso del computer.

Il Corso tratta di alcune delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, cenni su PET) e di imaging per la biologia (microscopia ottica). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini, dapprima in generale e poi nel campo delle immagini diagnostiche. Sono introdotti i sistemi di Intelligenza Artificiale e CAD (Computer-Assisted Detection) per la lettura automatica e l’individuazione automatica di patologie nelle immagini, e la Radiomica. Sono estesamente trattati, con approccio essenzialmente pragmatico, i sistemi di Intelligenza Artificiale basati su Machine Learning (per la classificazione) e - in particolare - le reti neurali artificiali, per le applicazioni in diagnostica per immagini. Sono introdotti i sistemi di Deep Learning. Tutte le lezioni del Corso sono accompagnate da esercitazioni pratiche al computer sui vari argomenti trattati, in Matlab e, ove possibile in base ai tempi e agli interessi degli studenti, in python.

Risultati di apprendimento previsti:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: Uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di Machine Learning e CAD per la biologia e la medicina. Rudimenti nell'uso di python.

Tranne alcune lezioni introduttive o puramente teoriche (in particolare quelle sulla fisica e l'ingegneria delle apparecchiature di imaging), l’intero Corso è svolto in Laboratorio Informatico, con esercitazioni sulla maggior parte del materiale studiato.

Esame teorico (iscritto o orale) sulle tecniche fisiche di Imaging per la diagnostica, sulle basi della programmazione in Matlab, sulle tecniche di Machine Learning; prova pratica (realizzazione di semplici software legati agli argomenti del Corso).

Da definirsi in base alle esigenze degli studenti.

Introduzione al corso, argomenti e finalità.

Tecniche di imaging diagnostico. Ecografia: basi fisiche e implementazione ingegneristica; artefatti. Fenomeno della risonanza magnetica degli spin, tempi di rilassamento T1 e T2, sequenze, codifica spaziale. Raggi X e radiografia. TC. Generazioni di dispositivi per TC. Numeri di Hounsfield. Proiezioni: MPR, MIP...

Matlab. Introduzione a Matlab. Vettori e matrici, operazioni aritmetico-logiche, standard input-output. Strutture di controllo. Plot-subplot. M-files. Istruzioni: find, tic/toc, pause, numeri casuali, etc. Applicazioni: uso del coefficiente di correlazione, Adattamento di una distribuzione gaussiana a dati sperimentali; artificial life (simulazione di automi cellulari), simulazione dell’assorbimento di fotoni da parte di un materiale di dato spessore e caratteristiche fisiche (modello semplificato). Fit lineari e polinomiali (polyfit/polival). Fit con esponenziali. Grafici lineari e logaritmici. 

Python: Installazione dell'ambiente di programmazione; esempi; applicazioni per il Machine Learning.

Immagini analogiche e digitali. Immagini di diagnostica medica. Acquisizione/elaborazione di immagini diagnostiche. Discretizzazione spaziale: dimensioni ("risoluzione") di un'immagine digitale, pixel (voxel) (numeri binari). Il "colore" (b/w, grigi, etc). Memorizzazione di un'immagine, profondità di colore, bit per pixel. Immagini 2D e 3D. Numeri di Hounsfield. Finestra dei grigi. DICOM. Operazioni sulle immagini. Istogramma di intensità. Stretching dell'istogramma con le istruzioni di Matlab (imadjust). Operazioni di thresholding: teoria e applicazioni. Operazioni morfologiche su immagini. Formato DICOM e uso di un visualizzatore di immagini (per la visualizzazione e lo studio di un’immagine CT polmonare); centro e larghezza della finestra dei grigi. Proiezioni assiali/coronali/sagittali.

Segmentazione di immagini di interesse medico e biologico; applicazioni. Individuazione di “oggetti” nelle immagini.

Machine Learning e Reti neurali artificiali. Introduzione. Finalità. Spazio delle feature. Backpropagation. Reti con e senza strati nascosti. Soluzione di problemi linearmente separabili e non.

Sistemi CAD. Caratteristiche di un test diagnostico: Concetto di (vero o falso) positivo, (vero o falso) negativo. Sensibilità e specificità. Spazio ROC. Area sotto la curva ROC; istruzione roc e plotroc; istruzione trapz; aggiunta di rumore ai dati e verifica della dipendenza dell’area sotto la curva (AUC) dalla percentuale di rumore.

Testi di riferimento:

Dispense fornite dal docente. Per approfondimenti:

  • R. C. Gonzalez, R. E. Woods, “Elaborazione delle Immagini Digitali”, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066
  • P. E. Hart, D. G. Stork, R. O. Duda, “Pattern Classification”, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690
  • A. Castellano, G. De Nunzio, M. Donativi, Fisica e tecnica delle apparecchiature biomediche. Deltaedit, Arnesano (LE) (2009), ISBN: 8890267933
TECNICHE DI IMAGING E INTELLIGENZA ARTIFICIALE PER LA MEDICINA E LA BIOLOGIA (FIS/07)
FISICA MEDICA E RADIOPROTEZIONE

Corso di laurea INFERMIERISTICA (ABILITANTE ALLA PROFESSIONE SANITARIA DI INFERMIERE)

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea

Crediti 2.0

Ripartizione oraria Ore totali di attività frontale: 24.0

Per immatricolati nel 2022/2023

Anno accademico di erogazione 2022/2023

Anno di corso 1

Semestre Primo Semestre (dal 03/10/2022 al 20/01/2023)

Lingua

Percorso COMUNE/GENERICO (999)

Utile la conoscenza della fisica generale a livello di scuola media superiore. Matematica: simbologia matematica; numeri relativi e frazioni; proporzioni; percentuali; uso e manipolazione di espressioni letterali elementari; soluzione delle equazioni di primo grado a una variabile; proprietà e uso delle potenze (in particolare le potenze di 10 e la notazione scientifica); esponenti frazionari; funzioni esponenziali, trigonometriche e logaritmiche; elementi di geometria.

Il corso si prefigge di fornire allo studente le nozioni base della fisica generale (meccanica, termodinamica etc) con particolare attenzione alle loro applicazioni in campo biologico e medico. Il corso offre, inoltre, le conoscenze fondamentali sulla radioattività e la radioprotezione.

Conoscenze: concetti fondamentali della fisica classica; principali leggi della meccanica, della termodinamica, della meccanica dei fluidi, dell'elettrostatica e dell'elettromagnetismo; concetti di fisica nucleare; fenomeni di carattere fisico-chimico negli organismi; vari tipi di onde elettromagnetiche non ionizzanti e ionizzanti; interazione radiazione-materia; alcune applicazione delle leggi fisiche in ambito medico.

Lezioni frontali e svolgimento di esercizi.

Esame scritto sotto forma di test a risposta multipla e/o domande e problemi a risposta aperta. Sono possibili esoneri parziali durante il corso .

  1. Richiami di matematica (algebra e geometria). Cos’è la Fisica. Grandezze fisiche fondamentali e unità di misura. Multipli e sottomultipli di grandezze fisiche. Vettori.
  2. Meccanica: Cinematica (il movimento; velocità e accelerazione)
  3. Meccanica: Dinamica (le forze; lavoro ed energia)
  4. Meccanica: Statica
  5. Elettromagnetismo: Elettrostatica (carica elettrica; forze elettrostatiche; campo elettrico; energia potenziale elettrica)
  6. Elettromagnetismo: Conduzione e circuiti elettrici
  7. Elettromagnetismo: Magnetismo
  8. Elettromagnetismo: onde elettromagnetiche (spettro, onde em ionizzanti e non ionizzanti; raggi X)
  9. Meccanica dei fluidi: fluidostatica (liquidi e gas)
  10. Meccanica dei fluidi: fluidodinamica
  11. Termodinamica: calore e temperatura
  12. Cenni di fisica atomica e nucleare; radioattività; radioprotezione

Il materiale di guida allo studio sarà fornito dal docente. Testi di utile consultazione e approfondimento sono:

  • Pierluigi Ballesio - Fisica per infermieri (Carocci ed, 2004)
  • Gian Marco Contessa & Giuseppe Augusto Marzo - Fisica applicata alle scienze mediche (Casa Editrice Ambrosiana; Distribuzione esclusiva Zanichelli, 2019)
FISICA MEDICA E RADIOPROTEZIONE (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2021/2022

Anno accademico di erogazione 2022/2023

Anno di corso 2

Semestre Primo Semestre (dal 19/09/2022 al 16/12/2022)

Lingua ITALIANO

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Sede Lecce

Fisica: Fisica di base, Interazione radiazione-materia, raggi X, fondamenti di Meccanica Quantistica (per la comprensione del fenomeno di risonanza magnetica nucleare e dell'imaging in risonanza magnetica, MRI).

Informatica: nessuno, salvo la manualità nell’uso del computer.

Il Corso tratta di alcune delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, cenni su PET). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini, dapprima in generale e poi nel campo delle immagini diagnostiche. Sono introdotti i sistemi CAD (Computer-Assisted Detection) per l’individuazione automatica di patologie in immagini di diagnostica medica, e la Radiomica. Sono estesamente trattati, con approccio essenzialmente pragmatico, i sistemi di Intelligenza Artificiale basati su Machine Learning (per la classificazione) e - in particolare - le reti neurali artificiali, per le applicazioni in diagnostica per immagini e in generale in Medicina. Tutte le lezioni del Corso sono accompagnate da esercitazioni pratiche al computer sui vari argomenti trattati.

Risultati di apprendimento previsti:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di Machine Learning e CAD per la Medicina.

Tranne alcune lezioni introduttive o puramente teoriche (in particolare quelle sulla fisica e l'ingegneria delle apparecchiature di imaging), l’intero Corso è svolto in Laboratorio Informatico, con esercitazioni sulla maggior parte del materiale studiato.

Esame teorico (iscritto o orale) sulle tecniche fisiche di Imaging per la diagnostica, sulle basi della programmazione in Matlab, sulle tecniche di Machine Learning; prova pratica (realizzazione di semplici software legati agli argomenti del Corso).

Introduzione al corso, argomenti e finalità.

Tecniche di imaging diagnostico. Ecografia: basi fisiche e implementazione ingegneristica; artefatti. Fenomeno della risonanza magnetica degli spin, tempi di rilassamento T1 e T2, sequenze, codifica spaziale. Raggi X e radiografia. TC. Generazioni di dispositivi per TC. Numeri di Hounsfield. Proiezioni: MPR, MIP...

Matlab. Introduzione a Matlab. Vettori e matrici, operazioni aritmetico-logiche, standard input-output. Strutture di controllo. Plot-subplot. M-files. Istruzioni: find, tic/toc, pause, numeri casuali, etc. Applicazioni: uso del coefficiente di correlazione, Adattamento di una distribuzione gaussiana a dati sperimentali; artificial life (simulazione di automi cellulari), simulazione dell’assorbimento di fotoni da parte di un materiale di dato spessore e caratteristiche fisiche (modello semplificato). Fit lineari e polinomiali (polyfit/polival). Fit con esponenziali. Grafici lineari e logaritmici.

Immagini analogiche e digitali. Immagini di diagnostica medica. Acquisizione/elaborazione di immagini diagnostiche. Discretizzazione spaziale: dimensioni ("risoluzione") di un'immagine digitale, pixel (voxel) (numeri binari). Il "colore" (b/w, grigi, etc). Memorizzazione di un'immagine, profondità di colore, bit per pixel. Immagini 2D e 3D. Numeri di Hounsfield. Finestra dei grigi. DICOM. Operazioni sulle immagini. Istogramma di intensità. Stretching dell'istogramma con le istruzioni di Matlab (imadjust). Operazioni di thresholding: teoria e applicazioni. Operazioni morfologiche su immagini. Formato DICOM e uso di un visualizzatore di immagini (per la visualizzazione e lo studio di un’immagine CT polmonare); centro e larghezza della finestra dei grigi. Proiezioni assiali/coronali/sagittali.

Teoria della segmentazione di immagini di diagnostica medica; applicazioni. Individuazione di “oggetti” nelle immagini.

Machine Learning e Reti neurali artificiali. Introduzione. Finalità. Spazio delle feature. Backpropagation. Reti con e senza strati nascosti. Soluzione di problemi linearmente separabili e non.

Sistemi CAD. Caratteristiche di un test diagnostico: Concetto di (vero o falso) positivo, (vero o falso) negativo. Sensibilità e specificità. Spazio ROC. Area sotto la curva ROC; istruzione roc e plotroc; istruzione trapz; aggiunta di rumore ai dati e verifica della dipendenza dell’area sotto la curva (AUC) dalla percentuale di rumore.

Testi di riferimento:

Dispense fornite dal docente. Per approfondimenti:

  • “Elaborazione delle Immagini Digitali”, R. C. Gonzalez, R. E. Woods, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066
  • “Pattern Classification”, P. E. Hart, D. G. Stork, R. O. Duda, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2020/2021

Anno accademico di erogazione 2021/2022

Anno di corso 2

Semestre Primo Semestre (dal 18/10/2021 al 28/01/2022)

Lingua ITALIANO

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Sede Lecce

Fisica: Fisica di base, Interazione radiazione-materia, raggi X, fondamenti di Meccanica Quantistica (per la comprensione del fenomeno di risonanza magnetica).

Informatica: nessuno, salvo la manualità nell’uso del computer.

Il Corso tratta di alcune delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, cenni su PET). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini, dapprima in generale e poi nel campo delle immagini diagnostiche. Sono introdotti i sistemi CAD (Computer-Assisted Detection) per l’individuazione automatica di patologie in immagini di diagnostica medica, e si danno cenni sui sistemi di classificazione e sulle reti neurali artificiali, per le applicazioni in diagnostica per immagini. Il Corso è accompagnato da esercitazioni pratiche in Laboratorio Informatico sui vari argomenti trattati.

Risultati di apprendimento previsti:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di pattern recognition e CAD per la Medicina.

Tranne alcune lezioni introduttive o puramente teoriche, l’intero Corso è svolto in Laboratorio Informatico, con esercitazioni sulla maggior parte del materiale studiato.

Esame teorico (per iscritto) sulle tecniche di imaging e sulle basi della programmazione in Matlab, e pratico (realizzazione di semplici software legati agli argomenti del Corso)

Introduzione al corso, argomenti e finalità.

Tecniche di imaging diagnostico. Ecografia: basi fisiche e implementazione ingegneristica; artefatti. Fenomeno della risonanza magnetica degli spin, tempi di rilassamento T1 e T2, sequenze, codifica spaziale. Raggi X e radiografia. TC. Generazioni di dispositivi per TC. Numeri di Hounsfield. Proiezioni: MPR, MIP...

Matlab. Introduzione a Matlab. Vettori e matrici, operazioni aritmetico-logiche, standard input-output. Strutture di controllo. Plot-subplot. M-files. Istruzioni: find, tic/toc, pause, numeri casuali, etc. Applicazioni: uso del coefficiente di correlazione, Adattamento di una distribuzione gaussiana a dati sperimentali; artificial life (simulazione di automi cellulari), simulazione dell’assorbimento di fotoni da parte di un materiale di dato spessore e caratteristiche fisiche (modello semplificato). Fit lineari e polinomiali (polyfit/polival). Fit con esponenziali. Grafici lineari e logaritmici.

Immagini analogiche e digitali. Immagini di diagnostica medica. Acquisizione/elaborazione di immagini diagnostiche. Discretizzazione spaziale: dimensioni ("risoluzione") di un'immagine digitale, pixel (voxel) (numeri binari). Il "colore" (b/w, grigi, etc). Memorizzazione di un'immagine, profondità di colore, bit per pixel. Immagini 2D e 3D. Numeri di Hounsfield. Finestra dei grigi. DICOM. Operazioni sulle immagini. Istogramma di intensità. Stretching dell'istogramma con le istruzioni di Matlab (imadjust). Operazioni di thresholding: teoria e applicazioni. Operazioni morfologiche su immagini. Formato DICOM e uso di un visualizzatore di immagini (per la visualizzazione e lo studio di un’immagine CT polmonare); centro e larghezza della finestra dei grigi. Proiezioni assiali/coronali/sagittali.

Teoria della segmentazione di immagini di diagnostica medica; applicazioni. Individuazione di “oggetti” nelle immagini.

Reti neurali artificiali. Introduzione. Finalità. Spazio delle feature. Backpropagation. Reti con e senza strati nascosti. Soluzione di problemi linearmente separabili e non.

Sistemi CAD. Caratteristiche di un test diagnostico: Concetto di (vero o falso) positivo, (vero o falso) negativo. Sensibilità e specificità. Spazio ROC. Area sotto la curva ROC; istruzione roc e plotroc; istruzione trapz; aggiunta di rumore ai dati e verifica della dipendenza dell’area sotto la curva (AUC) dalla percentuale di rumore.

Testi di riferimento:

Dispense fornite dal docente. Per approfondimenti:

  • “Elaborazione delle Immagini Digitali”, R. C. Gonzalez, R. E. Woods, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066
  • “Pattern Classification”, P. E. Hart, D. G. Stork, R. O. Duda, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2019/2020

Anno accademico di erogazione 2020/2021

Anno di corso 2

Semestre Primo Semestre (dal 19/10/2020 al 29/01/2021)

Lingua ITALIANO

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Fisica: Fisica di base, Interazione radiazione-materia, raggi X, fondamenti di Meccanica Quantistica (per la comprensione del fenomeno di risonanza magnetica).

Informatica: nessuno, salvo la manualità nell’uso del computer.

Il Corso tratta di alcune delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, cenni su PET). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini, dapprima in generale e poi nel campo delle immagini diagnostiche. Sono introdotti i sistemi CAD (Computer-Assisted Detection) per l’individuazione automatica di patologie in immagini di diagnostica medica, e si danno cenni sui sistemi di classificazione e sulle reti neurali artificiali, per le applicazioni in diagnostica per immagini. Il Corso è accompagnato da esercitazioni pratiche in Laboratorio Informatico sui vari argomenti trattati.

Risultati di apprendimento previsti:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di pattern recognition e CAD per la Medicina.

Tranne alcune lezioni introduttive o puramente teoriche, l’intero Corso è svolto in Laboratorio Informatico, con esercitazioni sulla maggior parte del materiale studiato.

Esame teorico (per iscritto) sulle tecniche di imaging e sulle basi della programmazione in Matlab, e pratico (realizzazione di semplici software legati agli argomenti del Corso)

Introduzione al corso, argomenti e finalità.

Tecniche di imaging diagnostico. Ecografia: basi fisiche e implementazione ingegneristica; artefatti. Fenomeno della risonanza magnetica degli spin, tempi di rilassamento T1 e T2, sequenze, codifica spaziale. Raggi X e radiografia. TC. Generazioni di dispositivi per TC. Numeri di Hounsfield. Proiezioni: MPR, MIP...

Matlab. Introduzione a Matlab. Vettori e matrici, operazioni aritmetico-logiche, standard input-output. Strutture di controllo. Plot-subplot. M-files. Istruzioni: find, tic/toc, pause, numeri casuali, etc. Applicazioni: uso del coefficiente di correlazione, Adattamento di una distribuzione gaussiana a dati sperimentali; artificial life (simulazione di automi cellulari), simulazione dell’assorbimento di fotoni da parte di un materiale di dato spessore e caratteristiche fisiche (modello semplificato). Fit lineari e polinomiali (polyfit/polival). Fit con esponenziali. Grafici lineari e logaritmici.

Immagini analogiche e digitali. Immagini di diagnostica medica. Acquisizione/elaborazione di immagini diagnostiche. Discretizzazione spaziale: dimensioni ("risoluzione") di un'immagine digitale, pixel (voxel) (numeri binari). Il "colore" (b/w, grigi, etc). Memorizzazione di un'immagine, profondità di colore, bit per pixel. Immagini 2D e 3D. Numeri di Hounsfield. Finestra dei grigi. DICOM. Operazioni sulle immagini. Istogramma di intensità. Stretching dell'istogramma con le istruzioni di Matlab (imadjust). Operazioni di thresholding: teoria e applicazioni. Operazioni morfologiche su immagini. Formato DICOM e uso di un visualizzatore di immagini (per la visualizzazione e lo studio di un’immagine CT polmonare); centro e larghezza della finestra dei grigi. Proiezioni assiali/coronali/sagittali.

Teoria della segmentazione di immagini di diagnostica medica; applicazioni. Individuazione di “oggetti” nelle immagini.

Reti neurali artificiali. Introduzione. Finalità. Spazio delle feature. Backpropagation. Reti con e senza strati nascosti. Soluzione di problemi linearmente separabili e non.

Sistemi CAD. Caratteristiche di un test diagnostico: Concetto di (vero o falso) positivo, (vero o falso) negativo. Sensibilità e specificità. Spazio ROC. Area sotto la curva ROC; istruzione roc e plotroc; istruzione trapz; aggiunta di rumore ai dati e verifica della dipendenza dell’area sotto la curva (AUC) dalla percentuale di rumore.

Testi di riferimento:

Dispense fornite dal docente. Per approfondimenti:

  • “Elaborazione delle Immagini Digitali”, R. C. Gonzalez, R. E. Woods, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066
  • “Pattern Classification”, P. E. Hart, D. G. Stork, R. O. Duda, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2018/2019

Anno accademico di erogazione 2019/2020

Anno di corso 2

Semestre Primo Semestre (dal 14/10/2019 al 24/01/2020)

Lingua ITALIANO

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Sede Lecce

Fisica: Fisica di base, Interazione radiazione-materia, raggi X, fondamenti di Meccanica Quantistica (per la comprensione del fenomeno di risonanza magnetica).

Informatica: nessuno, salvo la manualità nell’uso del computer.

Il Corso tratta di alcune delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, cenni su PET). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini, dapprima in generale e poi nel campo delle immagini diagnostiche. Sono introdotti i sistemi CAD (Computer-Assisted Detection) per l’individuazione automatica di patologie in immagini di diagnostica medica, e si danno cenni sui sistemi di classificazione e sulle reti neurali artificiali, per le applicazioni in diagnostica per immagini. Il Corso è accompagnato da esercitazioni pratiche in Laboratorio Informatico sui vari argomenti trattati.

Risultati di apprendimento previsti:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di pattern recognition e CAD per la Medicina.

Tranne alcune lezioni introduttive o puramente teoriche, l’intero Corso è svolto in Laboratorio Informatico, con esercitazioni sulla maggior parte del materiale studiato.

Esame teorico (per iscritto) sulle tecniche di imaging e sulle basi della programmazione in Matlab, e pratico (realizzazione di semplici software legati agli argomenti del Corso)

Introduzione al corso, argomenti e finalità.

Tecniche di imaging diagnostico. Ecografia: basi fisiche e implementazione ingegneristica; artefatti. Fenomeno della risonanza magnetica degli spin, tempi di rilassamento T1 e T2, sequenze, codifica spaziale. Raggi X e radiografia. TC. Generazioni di dispositivi per TC. Numeri di Hounsfield. Proiezioni: MPR, MIP...

Matlab. Introduzione a Matlab. Vettori e matrici, operazioni aritmetico-logiche, standard input-output. Strutture di controllo. Plot-subplot. M-files. Istruzioni: find, tic/toc, pause, numeri casuali, etc. Applicazioni: uso del coefficiente di correlazione, Adattamento di una distribuzione gaussiana a dati sperimentali; artificial life (simulazione di automi cellulari), simulazione dell’assorbimento di fotoni da parte di un materiale di dato spessore e caratteristiche fisiche (modello semplificato). Fit lineari e polinomiali (polyfit/polival). Fit con esponenziali. Grafici lineari e logaritmici.

Immagini analogiche e digitali. Immagini di diagnostica medica. Acquisizione/elaborazione di immagini diagnostiche. Discretizzazione spaziale: dimensioni ("risoluzione") di un'immagine digitale, pixel (voxel) (numeri binari). Il "colore" (b/w, grigi, etc). Memorizzazione di un'immagine, profondità di colore, bit per pixel. Immagini 2D e 3D. Numeri di Hounsfield. Finestra dei grigi. DICOM. Operazioni sulle immagini. Istogramma di intensità. Stretching dell'istogramma con le istruzioni di Matlab (imadjust). Operazioni di thresholding: teoria e applicazioni. Operazioni morfologiche su immagini. Formato DICOM e uso di un visualizzatore di immagini (per la visualizzazione e lo studio di un’immagine CT polmonare); centro e larghezza della finestra dei grigi. Proiezioni assiali/coronali/sagittali.

Teoria della segmentazione di immagini di diagnostica medica; applicazioni. Individuazione di “oggetti” nelle immagini.

Reti neurali artificiali. Introduzione. Finalità. Spazio delle feature. Backpropagation. Reti con e senza strati nascosti. Soluzione di problemi linearmente separabili e non.

Sistemi CAD. Caratteristiche di un test diagnostico: Concetto di (vero o falso) positivo, (vero o falso) negativo. Sensibilità e specificità. Spazio ROC. Area sotto la curva ROC; istruzione roc e plotroc; istruzione trapz; aggiunta di rumore ai dati e verifica della dipendenza dell’area sotto la curva (AUC) dalla percentuale di rumore.

Testi di riferimento:

Dispense fornite dal docente. Per approfondimenti:

  • “Elaborazione delle Immagini Digitali”, R. C. Gonzalez, R. E. Woods, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066
  • “Pattern Classification”, P. E. Hart, D. G. Stork, R. O. Duda, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
DIAGNOSTIC IMAGING

Degree course DIAGNOSTICS FOR CULTURAL HERITAGE

Subject area FIS/07

Course type Laurea Magistrale

Credits 6.0

Teaching hours Ore totali di attività frontale: 42.0

For matriculated on 2018/2019

Year taught 2018/2019

Course year 1

Semestre Primo Semestre (dal 24/09/2018 al 25/01/2019)

Language INGLESE

Subject matter PERCORSO COMUNE (999)

Conoscenze elementari di fisica
Abilità informatiche di base

 

Elementary Physics
Basic computer skills

Il corso intende offrire agli studenti una panoramica delle tecniche di imaging adottate nel campo dei Beni Culturali, partendo dalle leggi e dai principi fisici che governano i processi di formazione del segnale e passando in rassegna le principali applicazioni. Il corso è articolato in lezioni frontali ed esercitazioni di laboratorio, queste ultime basate su software dedicati (commerciali o open source) e su programmi scritti in ambiente Matlab/Octave. 

 

The aim of the course is to provide students with a general overview of the imaging techniques adopted in the field of Cultural Heritage, starting from the laws and physical principles that govern the processes of signal formation and reviewing the main applications. The course is divided into lectures and laboratory exercises, the latter based on dedicated software (commercial or open source) and on programs written in the Matlab/octave environment.
 

Fondamenti teorici delle diverse tecniche di indagine fisica per immagini
Nozioni di base di programmazione in ambiente Matlab/octave
Abilità pratiche di produzione e manipolazione di immagini

 

Theory of physical investigation by imaging techniques
Basic programming in the Matlab/octave environment
Practical skills of image production and manipulation 
 

Le lezioni saranno svolte sia con metodi tradizionali (didattica frontale) sia con l’ausilio di materiale didattico interattivo. Una parte consistente del corso sarà dedicata alla realizzazione di esperimenti e all’acquisizione di competenze pratiche da impiegarsi nell’ambito di un’indagine diagnostica.

 

The lessons will be carried out both with traditional methods (frontal teaching) and with the help of interactive teaching material. A substantial part of the course will be devoted to experiments and to the acquisition of practical skills to be used in the context of a diagnostic investigation.
 

La verifica delle competenze acquisite avverrà mediante un colloquio o una prova scritta/pratica.
L’esame mira a valutare il raggiungimento dei seguenti obiettivi didattici: 

  • Conoscenza dei principi di formazione e di elaborazione di un’immagine;
  • Capacità di interpretare le informazioni contenute in un’immagine ;
  • Capacità di individuare vantaggi e limiti dell’applicazione delle diverse tecniche di imaging.

Lo studente sarà valutato in base ai contenuti esposti, alla correttezza formale e alla capacità di argomentare le proprie tesi. 

 

Verification of the acquired skills will take place through an interview or a written/practical test.
The exam aims at evaluating the achievement of the following educational objectives:

  • Knowing the principles of image formation and processing;
  • Interpreting the information contained in an image;
  • Identifying pros and cons of the application of different imaging techniques.

Student learning will be assessed on the basis of content, formal correctness and arguing ability.
 

Gli studenti possono prenotarsi per l’esame finale esclusivamente utilizzando le modalità previste dal sistema VOL.

 

Exam dates are available on the VOL registration system.

Introduzione e basi fisiche

  • Obiettivi della diagnostica per immagini
  • Natura delle onde elettromagnetiche (EM)
  • Frequenza e lunghezza d’onda della radiazione
  • Ampiezza e fase di un’onda
  • Interferenza
  • Interazione radiazione-materia
  • Spettro delle onde EM
  • Raggi X: generazione e rivelazione
  • Laser

Fotografia digitale in luce visibile

  • Formazione di un’immagine
  • Illuminazione, messa a fuoco, esposizione (diaframmi e tempi)
  • Luminosità, contrasto, bilanciamento cromatico
  • Immagini codificate come matrici di numeri
  • Risoluzione spaziale e di contrasto
  • Introduzione all’elaborazione digitale delle immagini

Imaging in Raggi X

  • Tecniche radiografiche (2D)

La diagnostica nella pittura

  • Individuazione di: tecniche pittoriche, disegni preparatori, materiali, pentimenti
  • Fotografia digitale in luce visibile
  • Fotografia in luce radente
  • Ultravioletto riflesso
  • Fluorescenza ultravioletta
  • Riflettografia infrarossa
  • Radiografia

Imaging in 3D per le arti plastiche

  • Luce visibile: fotogrammetria
  • Raggi X: fotogrammetria e tomografia computerizzata (CT)

     
Il Laser per i Beni Culturali

  • Interferometria olografica
  • Laser scanning per la ricostruzione di modelli 3D

Termografia

  • Trasmissione del calore
  • Temperatura e umidità assoluta e relativa
  • Applicazioni in archeologia e architettura
  • Diagnostica dell’umidità 
  • Studio della muratura e dei distacchi

Esercitazioni

  • Elaborazione d’immagini digitali
  • Nozioni di base di Matlab/octave
  • Analisi d’immagine in Matlab/octave
  • Ricostruzioni fotogrammetriche

 

----------------------------------------------------------

 

Introduction and physical bases

  • Objectives of diagnostic imaging
  • Nature of electromagnetic waves (EM)
  • Radiation  frequency and wavelength
  • Wave amplitude and phase
  • Interference
  • Radiation-matter interaction
  • EM spectrum
  • X-ray: generation and detection    
  • Laser

Digital photography in visible light

  • Image formation
  • Lighting, focusing, exposure (aperture, and shutter speed)
  • Brightness, contrast, and color balance
  • Images coded as numeric matrices
  • Spatial and contrast resolution
  • Introduction to digital image processing

X-ray imaging

  • Radiographic techniques (2D)

Diagnostics in painting

  • Identification of: pictorial techniques, preparatory drawings, materials, after-thoughts
  • Digital photography in visible light
  • Grazing Light Photography
  • Ultraviolet Reflected Photography (UVR) 
  • Ultraviolet Fluorescence Photography (UVF)
  • Infrared reflectography
  • X-ray

3D Imaging for plastic arts

  • Visible light: photogrammetry
  • X-ray: photogrammetry and Computed Tomography (CT)

     
Laser for Cultural Heritage

  • Holographic interferometry
  • Laser scanning for 3D model reconstruction

Termography

  • Heat transmission
  • Temperature, and absolute/relative humidity
  • Applications in archeology and architecture
  • Moisture diagnostics
  • Study of masonry and detachments

Practice exercises

  • Digital image processing
  • Basic Matlab/octave notions
  • Image analysis in Matlab/octave
  • Photogrammetric reconstructions
     

Materiale a cura del docente


Teaching material is provided

DIAGNOSTIC IMAGING (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2017/2018

Anno accademico di erogazione 2018/2019

Anno di corso 2

Semestre Primo Semestre (dal 15/10/2018 al 25/01/2019)

Lingua ITALIANO

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Sede Lecce

Fisica: Fisica di base, Interazione radiazione-materia, raggi X, fondamenti di Meccanica Quantistica (per la comprensione del fenomeno di risonanza magnetica).

Informatica: nessuno, salvo la manualità nell’uso del computer.

Il Corso tratta di alcune delle principali tecniche fisiche di diagnostica medica per immagini (CT, MRI, Ecografia, cenni su PET). Esso descrive poi il linguaggio e ambiente di programmazione Matlab, utile per applicazioni scientifiche: ne insegna gli elementi di base e si sofferma sulle applicazioni nel trattamento di immagini, dapprima in generale e poi nel campo delle immagini diagnostiche. Sono introdotti i sistemi CAD (Computer-Assisted Detection) per l’individuazione automatica di patologie in immagini di diagnostica medica, e si danno cenni sui sistemi di classificazione e sulle reti neurali artificiali, per le applicazioni in diagnostica per immagini. Il Corso è accompagnato da esercitazioni pratiche in Laboratorio Informatico sui vari argomenti trattati.

Risultati di apprendimento previsti:

Conoscenze: Fisica della CT (Computed Tomography), MRI (Magnetic Resonance Imaging), ecografia, PET. Matlab: nozioni di base, nozioni avanzate, trattamento di immagini di diagnostica radiologica; sistemi CAD, classificatori a reti neurali.

Abilità: uso di Matlab per la realizzazione di software per la Ricerca Scientifica, con particolare riguardo ai sistemi di pattern recognition e CAD per la Medicina.

Tranne alcune lezioni introduttive o puramente teoriche, l’intero Corso è svolto in Laboratorio Informatico, con esercitazioni sulla maggior parte del materiale studiato.

Introduzione al corso, argomenti e finalità.

Tecniche di imaging diagnostico. Ecografia: basi fisiche e implementazione ingegneristica; artefatti. Fenomeno della risonanza magnetica degli spin, tempi di rilassamento T1 e T2, sequenze, codifica spaziale. Raggi X e radiografia. TC. Generazioni di dispositivi per TC. Numeri di Hounsfield. Proiezioni: MPR, MIP...

Matlab. Introduzione a Matlab. Vettori e matrici, operazioni aritmetico-logiche, standard input-output. Strutture di controllo. Plot-subplot. M-files. Istruzioni: find, tic/toc, pause, numeri casuali, etc. Applicazioni: uso del coefficiente di correlazione, Adattamento di una distribuzione gaussiana a dati sperimentali; artificial life (simulazione di automi cellulari), simulazione dell’assorbimento di fotoni da parte di un materiale di dato spessore e caratteristiche fisiche (modello semplificato). Fit lineari e polinomiali (polyfit/polival). Fit con esponenziali. Grafici lineari e logaritmici.

Immagini analogiche e digitali. Immagini di diagnostica medica. Acquisizione/elaborazione di immagini diagnostiche. Discretizzazione spaziale: dimensioni ("risoluzione") di un'immagine digitale, pixel (voxel) (numeri binari). Il "colore" (b/w, grigi, etc). Memorizzazione di un'immagine, profondità di colore, bit per pixel. Immagini 2D e 3D. Numeri di Hounsfield. Finestra dei grigi. DICOM. Operazioni sulle immagini. Istogramma di intensità. Stretching dell'istogramma con le istruzioni di Matlab (imadjust). Operazioni di thresholding: teoria e applicazioni. Operazioni morfologiche su immagini. Formato DICOM e uso di un visualizzatore di immagini (per la visualizzazione e lo studio di un’immagine CT polmonare); centro e larghezza della finestra dei grigi. Proiezioni assiali/coronali/sagittali.

Teoria della segmentazione di immagini di diagnostica medica; applicazioni. Individuazione di “oggetti” nelle immagini.

Reti neurali artificiali. Introduzione. Finalità. Spazio delle feature. Backpropagation. Reti con e senza strati nascosti. Soluzione di problemi linearmente separabili e non.

Sistemi CAD. Caratteristiche di un test diagnostico: Concetto di (vero o falso) positivo, (vero o falso) negativo. Sensibilità e specificità. Spazio ROC. Area sotto la curva ROC; istruzione roc e plotroc; istruzione trapz; aggiunta di rumore ai dati e verifica della dipendenza dell’area sotto la curva (AUC) dalla percentuale di rumore.

Testi di riferimento:

Dispense fornite dal docente. Per approfondimenti:

  • “Elaborazione delle Immagini Digitali”, R. C. Gonzalez, R. E. Woods, III ed., Pearson, Prentice Hall Italia, (Ottobre 2008), ISBN: 9788871925066
  • “Pattern Classification”, P. E. Hart, D. G. Stork, R. O. Duda, II ed., Wiley-Interscience (Ottobre 2000), ISBN: 978-0471056690
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
FISICA (MODULO 2)

Corso di laurea SCIENZE E TECNOLOGIE PER L'AMBIENTE

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea

Crediti 3.0

Ripartizione oraria Ore totali di attività frontale: 0.0

Per immatricolati nel 2017/2018

Anno accademico di erogazione 2017/2018

Anno di corso 1

Semestre Primo Semestre (dal 02/10/2017 al 26/01/2018)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

FISICA (MODULO 2) (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2016/2017

Anno accademico di erogazione 2017/2018

Anno di corso 2

Semestre Primo Semestre (dal 16/10/2017 al 26/01/2018)

Lingua ITALIANO

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Sede Lecce

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 49.0

Per immatricolati nel 2015/2016

Anno accademico di erogazione 2016/2017

Anno di corso 2

Semestre Primo Semestre (dal 17/10/2016 al 03/02/2017)

Lingua ITALIANO

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Sede Lecce

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 7.0

Ripartizione oraria Ore totali di attività frontale: 0.0

Per immatricolati nel 2014/2015

Anno accademico di erogazione 2015/2016

Anno di corso 2

Semestre Primo Semestre (dal 19/10/2015 al 22/01/2016)

Lingua

Percorso NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA (A65)

Sede Lecce - Università degli Studi

TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA (FIS/07)
TECNICHE DI DIAGNOSTICA MEDICA

Corso di laurea FISICA

Settore Scientifico Disciplinare FIS/07

Tipo corso di studio Laurea Magistrale

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 0.0

Per immatricolati nel 2013/2014

Anno accademico di erogazione 2014/2015

Anno di corso 2

Semestre Primo Semestre (dal 20/10/2014 al 23/01/2015)

Lingua

Percorso FISICA DELLA MATERIA E APPLICAZIONI BIOMEDICHE E AMBIENTALI (A29)

Sede Lecce - Università degli Studi

TECNICHE DI DIAGNOSTICA MEDICA (FIS/07)

Pubblicazioni

Please check https://orcid.org/0000-0002-1998-0286

 

 

BOOK CHAPTERS

In "Laparoscopy: New Developments, Procedures and Risks" (Nova Science Publishers, Inc., Hauppauge, NY, USA – Editor: Hana Terzić, 2011, ISBN: 978-1-61470-849-0), chapters:

  • Tinelli, A. Malvasi, S. Gustapane, G. De Nunzio, L. De Paolis, M. Bochicchio, G. Aloisio. Robotic Assisted Surgery in Endoscopy: The Problem of the Learning Curve.
  • Tinelli, A. Malvasi, S. Gustapane, G. De Nunzio, M. Bochicchio, L. De Paolis, G. Aloisio, D. A. Tsin. The Utilization of Novel Technology in Risk Reducing Laparoscopic Gynecological Complications.
  • Tinelli, L. De Paolis, G. Aloisio, G. De Nunzio, M. Bochicchio, A. Malvasi. Laparoscopic Trainers and Surgical Virtual Simulators in the Laparoscopic Learning Curve.

 

BOOKS

A. Castellano, G. De Nunzio, M. Donativi (2009). Fisica e tecnica delle apparecchiature biomediche. Deltaedit, Arnesano (LE)

A. Castellano, G. De Nunzio, G. Palamà (2009). Sensori elettrici: principi e applicazioni. Deltaedit, Arnesano (LE)

 

Temi di ricerca

ATTIVITA' DI RICERCA ATTUALI:
I campi di Ricerca attuali sono l'applicazione della Fisica e dell'Informatica alla medicina e al territorio (per la salvaguardia dei beni artistici e culturali).

FISICA E INFORMATICA PER LA MEDICINA
Per quanto concerne le applicazioni mediche, l'interesse cominciò nel periodo 1998-2000, in cui si occupò di telemedicina, con la realizzazione di tool software per la trasmissione via rete di immagini TAC allo scopo di permettere il teleconsulto nelle urgenze neurochirurgiche. A questo primo lavoro (sviluppato per apparecchiature TAC in funzione presso l’Ospedale Cardinale G. Panico di Tricase [Le], e presso l’Ospedale “Vito Fazzi” di Lecce), è seguito un contratto finanziato dal "Vito Fazzi" per produrre uno studio di fattibilità di connessione in rete per il trasferimento di immagini mediche TAC e RMN tra l’Unità operativa di Neurochirurgia del "Vito Fazzi", i Servizi di Radiologia dell’Ospedale "Cardinale Panico" di Tricase e il Presidio Ospedaliero "Sacro Cuore di Gesù" di Gallipoli (Le), sempre per il caso di urgenze neurochirurgiche.

Interesse attuale in questo campo é l'applicazione della fisica e dell’informatica (soprattutto in relazione alle tecniche di “image processing e understanding”) alla diagnosi automatica di patologie.
In questo contesto Giorgio De Nunzio si occupa dello sviluppo di modelli fisico-computazionali, algoritmi e sistemi computerizzati per la diagnosi assistita (sistemi CAD, Computer Assisted Diagnosis/Detection) in immagini di diagnostica biomedica. Questo lavoro è realizzato nell'ambito dell'esperimento INFN MAGIC-5 (Medical Applications on a Grid Infrastructure Connection) ed ha usufruito del programma PRIN (Progetti di Rilevante Interesse Nazionale) "Studio e sviluppo di sistemi fisico-computazionali per l'analisi distribuita di immagini biomediche", finanziato per il biennio 2006-2007.

L'Esperimento MAGIC-5 riguarda la messa a punto di algoritmi per l'analisi di immagini mediche 2D e 3D, e lo sviluppo di sistemi CAD, con l'utilizzo di tecnologie “grid” per la costruzione di un archivio annotato di immagini, condiviso tra diversi Ospedali, per tele-diagnosi o tele-training.
MAGIC-5 si propone, in particolare, di sviluppare sistemi CAD per la diagnosi assistita di: (1) masse tumorali e microcalcificazioni in immagini mammografiche, (2) noduli polmonari in immagini CT, (3) esiti del morbo di Alzheimer in neuroimmagini PET e MRI. Nella ricerca sono coinvolte anche diverse strutture ospedaliere nazionali.
In questi tre contesti (mammografia, CT polmonare e MRI del cervello) si esplica gran parte dell'attività di Ricerca di Giorgio De Nunzio.

Attualmente egli si interessa anche di altre problematiche - legate alla medicina - in cui applica tecniche di imaging bidimensionale e tridimensionale, e sviluppa modelli fisico-computazionali: immagini 2D-PAGE per la proteomica, e immagini DTI (Diffusion-Tensor Imaging) del cervello. In questi ambiti lo scopo é ancora la messa a punto di sistemi automatici o semiautomatici di detection e analisi, da impiegarsi come ausilio per il biologo e per il medico, per l'individuazione di patologie tumorali.

FISICA E INFORMATICA PER I BENI AMBIENTALI, CULTURALI, ARTISTICI
Si é dedicato dapprima alla realizzazione di banche dati di interesse specifico delle Scienze Ambientali (2001), da adoperare per applicazioni GIS. In seguito iniziava il suo interesse per lo studio sperimentale della microclimatologia indoor, con particolare attenzione per il microclima all'interno di chiese e altri beni artistici, il cui studio sperimentale (in sinergia con le analisi microbiologiche e geofisiche) risulta fondamentale per preservare la salute dei beni. Le ricerche in quest'ambito continuano, con un buon numero di pubblicazioni sull'argomento, relative ad opere monumentali di notevole interesse per il territorio (come la Cripta della Cattedrale di Otranto).

ALTRE ATTIVITA' DI RICERCA, IN ORDINE CRONOLOGICO:

ECCITAZIONI NON LINEARI IN SOLIDI A LEGAME IDROGENO
La sua attività di Ricerca si è inizialmente rivolta (1991-1995) allo studio teorico e sperimentale di eccitazioni 'anomale' (pseudo-solitoniche) in catene di molecole organiche a legame idrogeno. L'Acetanilide (ACN) C6H5-CONH-CH3, è un solido cristallino trasparente le cui molecole formano lunghe catene parallele a legame idrogeno. Diverse teorie prevedono il propagarsi, entro tali catene, di eccitazioni pseudo-solitoniche. I parametri geometrici del gruppo peptidico e del legame idrogeno sono molto simili a quelli tipici delle alfa-eliche proteiche: ciò rende l'ACN un interessante soggetto di studio alternativo allo studio diretto delle proteine; essendo poi l'ACN trasparente e cristallina, metodi di indagine quali la spettroscopia ottica (Raman, Brillouin, ir) sono di facile applicabilità.

LASER
In seguito (1996-1997, Borsa di studio Post Doct - Progetto Sud INFM) si è occupato di ricerca di base e applicazioni del Laser, studiando diverse cavità per laser ad eccimeri KrF e XeCl (stabili ed instabili), diverse geometrie di focalizzazione del fascio, e profili di riflettività particolari, come quelli gaussiani, allo scopo di ottimizzare la qualità del fascio laser prodotto (minimizzandone, per esempio, la divergenza). Tra le applicazioni: (a) la generazione di fasci policromatici tramite effetto Raman; (b) l'impiego in tecniche di analisi fotoacustica e fototermica per la determinazione delle soglie di rottura di film sottili; (c) la realizzazione di un LIDAR, tuttora in funzione presso l'Università del Salento.

SIMULAZIONI MONTE CARLO PERCOLATIVE DEL DEGRADO DI FILM SOTTILI
Nell'ambito della Fisica dello Stato Solido, Giorgio De Nunzio si è occupato poi dello studio, mediante tecniche simulative Monte Carlo di tipo percolativo, del degrado delle caratteristiche elettriche di film sottili (conduttori ed isolanti) sottoposti a correnti e tensioni 'elevate'. Lo scopo era predire il tempo di vita del sistema in esame.

Giorgio De Nunzio