TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA

Insegnamento
TECNICHE DI IMAGING PER LA DIAGNOSTICA MEDICA
Insegnamento in inglese
IMAGING TECHNIQUES FOR MEDICAL DIAGNOSTICS
Settore disciplinare
FIS/07
Corso di studi di riferimento
FISICA
Tipo corso di studio
Laurea Magistrale
Crediti
7.0
Ripartizione oraria
Ore Attività frontale: 49.0
Anno accademico
2017/2018
Anno di erogazione
2018/2019
Anno di corso
2
Lingua
ITALIANO
Percorso
NANOTECNOLOGIE, FISICA DELLA MATERIA E APPLICATA
Docente responsabile dell'erogazione
DE NUNZIO Giorgio
Sede
Lecce

Descrizione dell'insegnamento

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

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

Tipo esame
Non obbligatorio

Valutazione
Orale - Voto Finale

Orario dell'insegnamento
https://easyroom.unisalento.it/Orario

Scarica scheda insegnamento (Apre una nuova finestra)