Ingegneria Biomedica

Il Corso ha lo scopo di fornire conoscenze di base su: - le principali tecniche di microfabbricazione e litografia, tecniche di micropatterning di polimeri; - microfluidica: vantaggi, materiali e tecniche di fabbricazione; - principali tecniche di Biofabbricazione di costrutti biologici; - le metodologie e le tecnologie per il Bioprinting - le proprietà fondamentali dei materiali usati per le tecniche di Bioprinting; - le tecniche di caratterizzazione e valutazione dei Biocostrutti; - i possibili impieghi del Bioprinting, sia in ambito clinico che sperimentale; - elementi di ingegneria tissutale per la Modellazione 3D ed Analisi agli Elementi Finiti. Al termine dell’insegnamento la/lo studentessa/studente sarà inoltre in grado di valutare criticamente la qualità e l’idoneità dei biocostrutti realizzati e di comunicare i risultati con terminologia tecnica appropriata.

Tecniche di microfabbricazione litografia; - tecniche di micropatterning di polimeri; - microfluidica: vantaggi, materiali e tecniche di fabbricazione; - Tecniche e tecnologie di biofabbricazione e bioprinting di costrutti biologici: leggi fisiche dei processi, stampa 3D a supporto del bioprinting, bioinks e, simulazione agli elementi finiti (SIMULIA/Abaqus) per l’ottimizzazione dei modelli biofabbricati, analisi della qualità con scansione 3D, sistemi di perfusione e microperfusione; applicazioni cliniche e sperimentali ed elementi di ingegneria tissutale.

La verifica finale consta di una prova orale, durante la quale si valuta, attraverso più domande, la comprensione degli argomenti trattati e l’acquisizione di conoscenze in relazione agli obiettivi formativi, ossia su: - tecniche di microfabbricazione e litografia: fotolitografia, electron beam lithography, soft lithography, nanosphere lithography, nanoimprint lithography; Tecniche di micropatterning di polimeri e di biomolecole; - microfluidica: vantaggi, materiali e tecniche di fabbricazione; - le principali tecniche di Biofabbricazione di costrutti biologici; - le metodologie e le tecnologie per il Bioprinting - le proprietà fondamentali dei materiali usati per le tecniche di Bioprinting; - le tecniche di caratterizzazione e valutazione dei Biocostrutti; - i possibili impieghi del Bioprinting, sia in ambito clinico che sperimentale; - elementi di ingegneria tissutale; - metodologie di simulazione agli elementi finiti per l’ottimizzazione dei modelli Biofabbricati Sono inoltre valutate la capacità di applicare in modo autonomo tali conoscenze per affrontare problemi nuovi e le abilità comunicative con uso di appropriata terminologia tecnica. La valutazione è espressa in trentesimi. Il solo materiale ammesso alla prova finale sono: fogli di carta, penna, strumenti di disegno tecnico e calcolatrice.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Si consiglia l'uso di materiale fornito dal docente su piattaforma moodle. Testi di riferimento non esaustivi: 1- Chiono Valeria et alii "Biofabrication: an integrated bioengineering approach for the automated fabrication of biological structures for clinical and research applications" ISBN/EAN: 9788855535281 Patron Editore 1- Ritu Raman, “Biofabrication” ISBN-10 ‏ : ‎ 026254296X ISBN-13 ‏ : ‎ 978-0262542968 The MIT Press Editore

Al termine dell'insegnamento lo studente sarà in grado di:

• (DD1) Descrivere i principi della biomeccanica sperimentale, della metrologia, della caratterizzazione biomeccanica dei tessuti e dell'analisi del movimento.
• (DD2) Applicare protocolli sperimentali per acquisire, elaborare e interpretare dati provenienti da sistemi optoelettronici, sensori inerziali, celle di carico ed estensimetri, utilizzando strumenti software dedicati.
• (DD3) Valutare criticamente l'adeguatezza di metodologie sperimentali e interpretare i risultati in relazione a problemi di interesse biomeccanico e clinico.
• (DD4) Comunicare con terminologia tecnico-scientifica appropriata procedure sperimentali, risultati e limiti delle metodologie impiegate.
• (DD5) Approfondire autonomamente metodologie e strumenti innovativi per applicazioni di ricerca, sviluppo industriale e pratica clinica.

Il corso tratta fondamenti di biomeccanica sperimentale, metrologia e statistica biomedica, caratterizzazione biomeccanica dei tessuti, sensori e sistemi di misura, analisi del movimento mediante Motion Capture, IMU e computer vision a basso costo, elaborazione dei dati biomeccanici e modellazione muscoloscheletrica.

La verifica consiste in una prova scritta comprendente domande aperte, quesiti applicativi ed esercizi di interpretazione di dati biomeccanici. La prova valuta conoscenze teoriche, capacità di applicazione, autonomia di giudizio e corretto utilizzo del lessico disciplinare. Gli argomenti trattati nelle attività laboratoriali costituiscono parte integrante dell'esame.

Slide, dispense e materiale didattico resi disponibili sulla piattaforma Moodle; articoli scientifici selezionati; documentazione dei software utilizzati durante il corso.

Conoscenza e comprensione dei fondamenti della biomeccatronica: al termine del corso, lo studente avrà acquisito una solida conoscenza dei principali concetti e delle definizioni fondamentali della biomeccatronica, dei componenti tecnologici coinvolti — come sensori, attuatori e microcontrollori — nonché dei principali metodi di comunicazione M2M, inclusi i moduli seriali e i protocolli wireless.
Capacità di applicare conoscenze e comprensione nelle principali applicazioni biomedicali: al termine del corso, lo studente sarà in grado di applicare le competenze acquisite all’implementazione di soluzioni tecnologiche per la valutazione clinica delle malattie croniche. In particolare, sarà in grado di sviluppare tecniche per l’analisi del movimento, il riconoscimento delle emozioni, la valutazione dello stress, e altri ambiti affini. Inoltre, acquisirà la capacità di progettare e realizzare dispositivi biomedicali, quali protesi, dispositivi impiantabili, indossabili e simili.
Autonomia di giudizio nella definizione e progettazione di metodologie biomeccatroniche: al termine del corso, lo studente sarà in grado di analizzare fenomeni biologici, sviluppare strumenti per la misurazione di biomarcatori fisiologici e progettare algoritmi avanzati di sensor fusion e machine learning.
Abilità comunicative nella presentazione di problemi e soluzioni in ambito biomeccatronico: al termine del corso, lo studente sarà in grado di sintetizzare efficacemente concetti complessi e comunicarli in modo chiaro e strutturato, sia in contesti specialistici che divulgativi.
Capacità di apprendimento nell’ambito della biomeccatronica: al termine del corso, lo studente sarà in grado di integrare le conoscenze e le competenze acquisite con contesti professionali reali, dimostrando autonomia nell’ampliamento e aggiornamento del proprio sapere.

Il corso di Biomeccatronica fornisce conoscenze teoriche e competenze pratiche per progettare soluzioni biomedicali integrate. Gli studenti studiano sensori fisiologici, attuatori, comunicazione seriale e wireless, microcontrollori STM32, trattamento dei segnali, sensor fusion e machine learning. Il laboratorio prevede sviluppo embedded e prototipi orientati all’Internet of Robotic Things per salute, riabilitazione e monitoraggio fisiologico.

La valutazione prevede un esame scritto composto da domande teoriche finalizzate a verificare la comprensione dei concetti chiave, accompagnato dalla realizzazione di un programma per STM32 che consente di applicare concretamente le conoscenze acquisite durante le esercitazioni pratiche. La parte pratica può essere convalidata (abbuonata) qualora lo studente abbia completato con successo i progettini in itinere utilizzando i kit di sviluppo forniti.

Diapositive fornite dal docente.
Graham Brooker, Introduction to BioMechatronics. Scitech, 2012.
Controlla la bibliografia su onesearch (https://onesearch.unifi.it/). Per aiuto contatta la tua biblioteca (https://unifi.libanswers.com/).

Con riferimento ai descrittori di Dublino
1. CONOSCENZA E COMPRENSIONE
1.1 Conoscenza e comprensione dei metodi di base per il trattamento dei segnali stocastici
1.2 Conoscenza e comprensione dei metodi classici della teoria della stima (stimatori non polarizzati a minima varianza, statistica sufficiente, Cramer-Rao lower bound, stima a massima verosimiglianza, stima ai minimi quadrati).
1.3 Conoscenza e comprensione dei metodi della stima Bayesiana (MMSE, MAP, LMMSE, filtraggio di Wiener).
1.4 Conoscenza e comprensione dei metodi di stima spettrale non parametrica (periodogramma, Welch-Bartlett, Blackman-Tukey) e parametrica (modelli ARMA, metodi ai sottospazi, MUSIC, ESPRIT).
2. CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
2.1 Capacità di modellare un segnale, individuando i parametri da stimare e le componenti di rumore aleatorio.
2.2 Capacità di implementare, mediante idonei software di simulazione, algoritmi di stima in contesti applicativi nell'ambito dell'ingegneria elettronica e delle telecomunicazioni e di valutarne le prestazioni.
3. AUTONOMIA DI GIUDIZIO
3.1 Capacità di selezionare, tra i diversi metodi e criteri usati nella teoria della stima, quelli più idonei per estrarre i parametri di interesse in presenza di rumore.
4. ABILITA' COMUNICATIVE
4.1 Capacità di esporre logicamente dimostrazioni e proprietà relative ai metodi di stima introdotti nel corso
5. CAPACITA' DI APPRENDIMENTO
5.1 Capacità di associare, in modo autonomo, gli strumenti matematici introdotti nel corso alle principali applicazioni nel campo dell’elettronica e delle telecomunicazioni

Introduzione a variabili e processi aleatori. Concetto di stimatore. Stimatori a minima varianza non polarizzati. Cramer-Rao lower bound. Statistica sufficiente. Modelli e stimatori lineari. Stima a massima verosimiglianza. Stima ai minimi quadrati. Approccio Bayesiano alla stima, stimatori MMSE e MAP, filtro di Wiener. Stime spettrali non parametriche. Stime spettrali parametriche. Spettri razionali, modelli ARMA. Spettri a righe, metodi basati su sottospazi. Stima spaziale, array di sensori

La verifica dell'apprendimento è costituita da un elaborato al calcolatore e una prova orale.
L’elaborato al calcolatore prevede l’uso di un ambiente di programmazione (preferibilmente MATLAB) al fine di eseguire la simulazione di un problema di stima, con relativa modellazione del segnale e implementazione di uno stimatore; l’argomento dell’elaborato viene preventivamente concordato con il docente.
La prova orale prevede domande su tutti gli argomenti svolti durante il corso, con richiesta di derivazione di dimostrazioni e proprietà e, eventualmente, anche lo svolgimento di esercizi.
Con riferimento ai descrittori di Dublino
1. CONOSCENZA E COMPRENSIONE
1.1 Conoscenza e comprensione dei metodi di base per il trattamento dei segnali stocastici. Verifica mediante domande specifiche durante la prova orale.
1.2 Conoscenza e comprensione
dei metodi classici della teoria della stima. Verifica mediante domande specifiche durante la prova orale.
1.3 Conoscenza e comprensione dei metodi della stima Bayesiana. Verifica mediante domande specifiche durante la prova orale.
1.4 Conoscenza e comprensione dei metodi di stima spettrale non parametrica. Verifica mediante domande specifiche durante la prova orale.
2. CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
2.1 Capacità di modellare un segnale, individuando i parametri da stimare e le componenti di rumore aleatorio. Verifica mediante elaborato al calcolatore.
2.2 Capacità di implementare, mediante idonei software di simulazione, algoritmi di stima in contesti applicativi nell'ambito dell'ingegneria elettronica e delle telecomunicazioni e di valutarne le prestazioni. Verifica mediante elaborato al calcolatore.
3. AUTONOMIA DI GIUDIZIO
3.1 Capacità di selezionare, tra i diversi metodi e criteri usati nella teoria della stima, quelli più idonei per estrarre i parametri di interesse in presenza di rumore. Verifica mediante elaborato al calcolatore.
4. ABILITA' COMUNICATIVE
4.1 Capacità di esporre logicamente dimostrazioni e proprietà relative ai metodi di stima introdotti nel corso. Verifica mediante la prova orale.
5. CAPACITA' DI APPRENDIMENTO
5.1 Capacità di associare, in modo autonomo, gli strumenti matematici introdotti nel corso alle principali applicazioni nel campo dell’elettronica e delle telecomunicazioni. Verifica mediante la prova orale e l’elaborato al calcolatore.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Libri di testo e di consultazione:
1) S.M. Kay, Fundamentals of statistical signal processing: Volume I - Estimation theory, Prentice Hall, 1998.
2) A.M. Mood, F.A. Graybill, D.C. Boes, Introduction to the theory of statistics, McGraw-Hill, 1974.
3) L.L Sharf, Statistical Signal Processing, Addison-Wesley Publishing Co., 1990.
4) M.H. Hayes, Statistical Digital Signal Processing and Modeling, John Wiley & Sons, 1996.
5) P. Stoica, R.L. Moses, Spectral Analysis of Signals, Prentice Hall, 2005.
6) A. Papoulis, S.U. Pillai, Probability, Random Variables, and Stochastic Processes, 4th ed., McGraw-Hill, 2002.
7) D. Manolakis, V.K. Ingle, S.M. Kogon, Statistical and Adaptive Signal Processing: Spectral Estimation, Signal Modeling, Adaptive Filtering and Array Processing, Artech House, 2005.
Controlla la bibliografia su onesearch (https://onesearch.unifi.it/). Per aiuto contatta la tua biblioteca (https://unifi.libanswers.com/).

Partendo da un’impostazione rigorosa delle leggi della meccanica fluida, il corso affronta la loro applicazione alla dinamica cardiovascolare. Sono introdotti alcuni concetti tipici della clinica e vengono descritti metodi e strumenti per la diagnostica. I contenuti preparano gli studenti ad un’attività interdisciplinare con i professionisti delle discipline mediche.
In quel che segue, i codici si riferiscono alla descrizione generale del Corso di Studi (CC = Conoscenza e comprensione; CA= Capacità applicative; AG=Autonomia di Giudizio; AC=Abilità Comunicative; AP= Capacità di Apprendimento).
Per maggiori dettagli
https://www.ingegneria.unifi.it/vp-143-guida-dello-studente.html
1) Conoscenza e capacità di comprensione (CC)
Fornire competenze sul moto fluido all’interno del corpo umano, in particolare del sistema cardiovascolare (CC1). Ponendo particolare riferimento a ciò che può essere oggetto di valutazione in ambito clinico, tramite le diverse tecniche di elaborazione dei segnali (CC2, CC3).
2) Conoscenza e capacità di comprensione applicate (CA)
Fornire le abilità per applicare le leggi del moto fluido alle valutazioni e alle misurazioni effettuate in ambito clinico (CA2, CA3 ).
3) Autonomia di giudizio (AG)
Fornire le competenze per valutare le potenzialità e le approssimazioni delle misure/stime sul moto del sangue effettuate in ambito clinico (AG1, AG2).
4) Abilità comunicative (AC)
Capacità di presentare i risultati con rigore tecnico-scientifico nell’ambito delle attività proprie dell’ingegnere (AC1)
Lo studente alla fine del corso dovrà essere in grado di interloquire con operatori medici sui temi affrontati per fornire supporto ingegneristico alle valutazioni cliniche (AC2).
5) Capacità di apprendere (AP)
Lo studente sarà in grado di comprendere la letteratura interdisciplinare e le fondamenta delle tecnologie riguardanti i flussi del sangue, specialmente nei grossi vasi del sistema cardiovascolare (AP1).
I contenuti del corso possono essere propedeutici ad ulteriori sviluppi degli studi (AP2).

ELEMENTI INTRODUTTIVI: Concetti di base. Statica dei fluidi. Cinematica (2 CFU).
LEGGI DI CONSERVAZIONE: Conservazione della massa. Conservazione della quantità di moto. Conservazione dell’energia (Bernoulli) (1 CFU).
METODI ELEMENTARI DI ANALISI DEL MOTO: Moto unidirezionale in condotti rettilinei. Turbolenza di parete. Moto quasi unidirezionale nei grandi vasi (1 CFU).
METODI AVANZATI DI ANALISI DEL MOTO: Vorticità e separazione dello strato limite. Moto separato nei grandi vasi. Meccanica cardiaca (2 CFU).

Prova orale. L’esame inizia con una prova esercitativa su elementi di base della meccanica dei fluidi, per la quale si richiede un’impostazione rigorosa e lo sviluppo del metodo di risoluzione.
Prosegue con domande riguardanti gli argomenti trattati durante il corso, atte a verificare le conoscenze acquisite e la capacità di una loro applicazione ai diversi fenomeni della dinamica cardiovascolare (CC1,CC2, CC3, CA2, CA3, AG1, AG2, AC1, AC2, AP1).
Valutazione finale: voto in trentesimi.
----------------------------------------------------
TABELLA DOCIMOLOGICA DI VALUTAZIONE
Insufficiente:
valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Sufficiente/più che sufficiente: conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Discreto: comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare i quesiti in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Buono/molto buono: solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita ad esami che si distinguono per brillantezza, anche al di là delle aspettative curricolari.

Pedrizzetti G. Fluid Mechanics for Cardiovascular Engineering: A Primer. Springer, 2022. https://link.springer.com/book/10.1007/978-3-030-85943-5
Pedrizzetti G, Domenichini F. Introduzione alla meccanica dei fluidi per applicazioni cardiovascolari. Springer, 2025. https://link.springer.com/book/10.1007/978-3-031-73890-6
Rubenstein DA, Yin W, Frame MD. Biofluid Mechanics: An introduction to fluid mechanics, macrocirculation, microcirculation. Academic Press, 2015.
Grotberg JB. Biofluid Mechanics: Analysis and Applications. Cambridge University Press, 2021.
Controlla la bibliografia su onesearch. Per aiuto contatta la tua biblioteca

1. Conoscenza e capacità di comprensione:
Al termine dell'insegnamento, ci si attende che, coerentemente con il descrittore CC4 della matrice di Tuning del CdLM, lo studente/la studentessa abbia acquisito:

• Conoscenze di base sui fondamenti dell’ingegneria tissutale e sulle sue finalità;
• Comprensione delle principali tecniche di fabbricazione di scaffolds tridimensionali e delle metodologie per la caratterizzazione delle superfici;
• Conoscenza delle tecniche di coltura cellulare, dei requisiti per il mantenimento della vitalità e differenziazione cellulare, e delle tecniche di caratterizzazione morfologica, funzionale e biochimica;
• Familiarità con l’impiego di metodi ingegneristici nella progettazione e sviluppo di tessuti artificiali;
• Panoramica sulle applicazioni dell’ingegneria tissutale in ambito medico (es. tessuti cutanei, ossei, cardiaci, nervosi, vascolari) e in ambiti emergenti (es. carne coltivata o tessuti edibili).
  2. Capacità di applicare conoscenza e comprensione:
  Al termine dell'insegnamento, ci si attende che, coerentemente con il descrittore CA4 della matrice di Tuning del CdLM, lo studente/la studentessa sia in grado di:
• Applicare conoscenze acquisite alla progettazione di un protocollo sperimentale per la produzione e il testing di scaffold;
• Selezionare tecniche appropriate per la caratterizzazione di biomateriali e cellule;
• Interpretare risultati sperimentali derivanti da test in vitro su sistemi tissutali;
• Integrare competenze di biologia cellulare e di ingegneria per lo sviluppo di costrutti funzionali.
  3. Autonomia di giudizio:
  Al termine dell'insegnamento, ci si attende che, coerentemente con i descrittori AG1 e AG2 della matrice di Tuning del CdLM, lo studente/la studentessa sia capace di:
• Valutare criticamente pro e contro delle diverse strategie di ingegnerizzazione tissutale in funzione dell’applicazione desiderata;
• Scegliere, giustificandole, le tecnologie e i materiali più idonei per la produzione di un tessuto ingegnerizzato;
• Analizzare casi studio reali, formulando ipotesi progettuali o migliorative basate su evidenze sperimentali.
  4. Abilità comunicative:
  Al termine dell'insegnamento, ci si attende che, coerentemente con i descrittori AC1 e AC2 della matrice di Tuning del CdLM, lo studente/la studentessa sia in grado di:
• Comunicare efficacemente concetti, processi e risultati inerenti l’ingegneria tissutale sia in forma scritta (relazioni tecniche, articoli brevi) che orale (presentazioni, discussioni);
• Utilizzare il linguaggio tecnico specifico del settore bioingegneristico in contesti multidisciplinari;
• Collaborare con studenti e ricercatori di formazione diversa per affrontare progetti comuni.
  5. Capacità di apprendimento:
  Al termine dell'insegnamento, ci si attende che, coerentemente con i descrittori AP1 e AP2 della matrice di Tuning del CdLM, lo studente/la studentessa abbia acquisito strumenti per:
• Approfondire in modo autonomo argomenti avanzati di ingegneria tissutale e biofabbricazione;
• Consultare e comprendere la letteratura scientifica e tecnica in lingua inglese;
• Aggiornarsi rispetto all’evoluzione delle tecnologie emergenti nel settore (es. biostampa 3D, organoidi, bioreattori, carne coltivata).

Cap. 1 Introduzione all'ingegneria tissutale
Cap. 2 Elementi di base dell’ingegneria tissutale
Cap. 3 Tecniche di fabbricazione di scaffolds e caratterizzazione di superfici
Cap. 4 Tecniche di coltura e caratterizzazione cellulari
Cap. 5 Metodi ingegneristici per l'ingegneria tissutale
Cap. 6 Tecnologie avanzate di ingegnerizzazione tissutale
Cap. 7 Applicazioni.

La verifica finale consta di una prova comprendente una parte scritta e una parte orale, svolte lo stesso giorno, in sequenza.
Durante la prova si valuta, attraverso più domande, la comprensione degli argomenti trattati e l’acquisizione di conoscenze e competenze, in relazione agli obiettivi formativi dell’insegnamento.

Si consiglia l'uso di materiale fornito dal docente.
Testo di riferimento non esaustivo:
Raimondi, M., Remuzzi, A., Ahluwalia, A., & Mantero, S. (2009). Fondamenti di ingegneria dei tessuti per la medicina rigenerativa, Pàtron Editore, 2009.

Conoscenza e comprensione dei fondamenti dell’interazione uomo-macchina: al termine del corso, lo studente avrà acquisito una solida conoscenza dei principi fondamentali della Human-Robot Interaction (HRI), con particolare attenzione alla robotica sociale e al ruolo dei robot in contesti applicativi come la sanità, l’educazione e i servizi. Verranno inoltre approfonditi i concetti relativi all’esperienza utente, all’usabilità e all’impatto etico e sociale dei robot nelle interazioni con gli esseri umani.
Capacità di applicare conoscenze e comprensione nelle principali applicazioni dell’HRI: lo studente sarà in grado di progettare, modellare, sviluppare e valutare robot interattivi e socialmente interattivi, applicando metodologie di progettazione di architetture cognitive centrate sull’utente, principi di interazione fisica e cognitiva, e tecniche di programmazione per robot sociali.
Autonomia di giudizio nella definizione e progettazione di interazioni uomo-robot efficaci e responsabili: al termine del corso, lo studente sarà in grado di analizzare criticamente scenari applicativi complessi, valutando le implicazioni etiche, sociali e psicologiche dell’integrazione dei robot nella società, e di formulare soluzioni consapevoli e responsabili.
Abilità comunicative nella presentazione di problemi e soluzioni in ambito HRI: al termine del corso, lo studente sarà in grado di sintetizzare e presentare in modo efficace problemi progettuali e soluzioni interattive, utilizzando strumenti propri del co-design, comunicando con chiarezza e competenza sia con interlocutori tecnici sia non tecnici.
Capacità di apprendimento nell’ambito dell’interazione uomo-macchina: al termine del corso, lo studente sarà in grado di aggiornare e ampliare in modo autonomo le proprie conoscenze, seguendo l’evoluzione delle tecnologie e della ricerca, dei paradigmi progettuali e delle implicazioni sociali emergenti nel campo della HRI.

Il corso di Interazione Uomo-Robot (HRI) analizza in modo interdisciplinare la progettazione, implementazione e valutazione di sistemi interattivi tra esseri umani e robot, con focus sulla robotica sociale. Affronta aspetti cognitivi e fisici dell’interazione, principi di progettazione user-centered e implicazioni etiche e sociali. Include teoria e pratica su modelli di interazione, percezione e comportamento, con progetti e attività per sviluppare robot interattivi e competenze tecniche e critiche nell’ambito HRI.

La valutazione prevede un esame scritto composto da domande teoriche finalizzate a verificare la comprensione dei concetti chiave e la presentazione delle attività di Journal Club e progettazione.

Diapositive fornite dal docente.
Corke, Peter. Robotics, vision and control: fundamental algorithms in MATLAB® second, completely revised. Vol. 118. Springer, 2017.
Siciliano, Bruno, and Oussama Khatib, eds. Springer handbook of robotics. Springer, 2016.
Controlla la bibliografia su onesearch (https://onesearch.unifi.it/). Per aiuto contatta la tua biblioteca (https://unifi.libanswers.com/).

Conoscenza della microscopia ottica lineare, non-lineare e tecniche di super-risoluzione.

Microscopia ottica avanzata - Principi ed applicazioni biomedicali

-Relazione scritta sull'attività sperimentale svolta in laboratorio. -Esposizione di un articolo scientifico inerente alle tematiche svolte durante il corso. - Esame orale.

1) Fisica 2: Elettromagnetismo-ottica / Corrado Mencuccini e Vittorio Silvestrini. 2) Optics / Eugene Hecht 3) Introduction to Optical Microscopy / Jerome Mertz 4) Fundamentals of fluorescence microscopy : exploring life with light / Partha Pratim Mondal, Alberto Diaspro

Fare familiarizzare gli allievi con le problematiche delle applicazioni robotiche industriale in generale e delle applicazioni robotiche collaborative in particolare.
CONOSCENZA E CAPACITA' DI COMPRENSIONE
cc2 La conoscenza sistemistica delle metodologie, delle tecnologie e degli aspetti applicativi della robotica e della meccatronica.
cc3 La conoscenza sistemistica delle metodologie, delle tecnologie e degli aspetti applicativi dell’automatica.
cc7 La conoscenza di strumenti avanzati di analisi e progettazione (meccanica, elettrica o multi-fisica) per la modellazione e la simulazione numerica di componenti e sistemi.
cc11 La conoscenza dei metodi di valutazione dell'affidabilità, della diagnostica tecnica, del rischio e della sicurezza di sistemi complessi.
cc14 La conoscenza di metodi per la pianificazione e lo svolgimento di attività sperimentali di elevata complessità per l’analisi di componenti e sistemi.
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
ca2 Applicare le conoscenze teoriche acquisite per lo sviluppo e l’applicazione di sistemi innovativi nei settori della robotica, dell’automazione e dell’ingegneria elettrica.
ca3 Applicare le conoscenze acquisite per l’integrazione hardware e software di dispositivi, componenti e sistemi.
AUTONOMIA DI GIUDIZIO
ag4 Individuare e interpretare le normative.
ag5 Progettare e gestire studi sperimentali, raccogliere e interpretare i dati e la loro incertezza, e trarne conclusioni.
ABILITA' COMUNICATIVE
ac1 Sa trattare informazioni e dati complessi ricavati da fonti multiple ed è in grado di analizzare e gestire temi multidisciplinari.
ac4 Ha la capacità di esprimersi e comunicare in lingua inglese, anche con riferimento al linguaggio specialistico.
CAPACITA' DI APPRENDIMENTO
ap2 Capacità di affrontare in modo efficace e originale le mutevoli problematiche connesse con l'innovazione nell'ambito delle tecnologie della robotica, dell'automazione e dell'ingegneria elettrica.
ap3 Capacità di sviluppare un ragionamento logico che, a seguito di precise ipotesi, porti alla conseguente dimostrazione di una tesi.
ap4 Capacità di approfondimenti autonomi che richiedono analisi bibliografiche, lo studio delle conoscenze aggiornate.

1) ISO 10218-1:2025
2) ISO 10218-2:2025
3) Interazione fisica dei robot: controllo di cedevolezza, controllo di impedenza/ammettenza, controllo in forza

Prova scritta. Di solito saranno poste tre domande alcune delle quali (una o due) su argomenti di teoria e le altre riguardanti lo svolgimento di un esercizio o l'applicazione della teoria.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

1) Norma ISO 10218-1:2025
2) Norma ISO 10218-2:2025
3) B. SICILIANO, L. SCIAVICCO, L. VILLANI, G. ORIOLO, "ROBOTICA:
MODELLISTICA, PIANIFICAZIONE E CONTROLLO," THE MCGRAW-HILL
COMPANIES
Pubblicazione: 04/2008
Il testo e` anche disponibile in lingua inglese:
B. Siciliano, L. Sciavicco, L. Villani, G. Oriolo, Robotics - Modelling, Planning and
Control, Springer, London, UK, 2009

Al termine dell'insegnamento, lo studente/la studentessa sarà in grado di:
1. Conoscenza e capacità di comprensione: descrivere i principi della chirurgia mini-invasiva, della chirurgia assistita dal computer e della robotica chirurgica, distinguendo tassonomie, requisiti clinici e tecnici, livelli di autonomia e principali soluzioni commerciali e di ricerca.
2. Capacità di applicare conoscenza e comprensione: analizzare il processo di progettazione di sistemi robotici per applicazioni chirurgiche, collegando bisogni clinici, vincoli anatomici e funzionali, architetture meccatroniche, controllo, interfacce e tecnologie abilitanti.
3. Autonomia di giudizio: valutare criticamente vantaggi, limiti, rischi, accettabilità e sostenibilità di soluzioni robotiche e digitali in sala operatoria, anche attraverso il confronto tra casi applicativi, letteratura scientifica e sistemi esistenti.
4. Abilità comunicative: presentare e discutere con linguaggio tecnico appropriato concetti, architetture, metodi e risultati relativi alla robotica chirurgica, all'imaging, alla visione, all'aptica e all'analisi dei gesti chirurgici.
5. Capacità di apprendimento: reperire, comprendere e integrare autonomamente articoli scientifici e documentazione tecnica per approfondire sviluppi emergenti quali soft robotics, microrobotica medica, AI per la visione chirurgica, activity recognition e nuove interfacce uomo-macchina.

Il corso presenta principi, tecnologie e applicazioni della robotica chirurgica: chirurgia mini-invasiva, endoscopia e sistemi intracorporei; chirurgia assistita dal computer e robot commerciali; imaging medico, localizzazione, segmentazione, registrazione e visione chirurgica; aptica, sensori, attuatori e interfacce; soft robotics, microrobotica, AI, analisi dei gesti chirurgici e attività pratica su classificazione.

La verifica dell'apprendimento consiste in una prova finale scritta, volta ad accertare il raggiungimento degli obiettivi formativi. La prova comprende domande sui contenuti fondamentali del corso e può includere la discussione di casi applicativi, articoli scientifici, schemi di sistema o risultati di esercitazioni. La valutazione, espressa in trentesimi, considera: correttezza e completezza delle conoscenze; capacità di collegare bisogni clinici, requisiti tecnici e soluzioni ingegneristiche; uso appropriato del lessico tecnico; capacità di analisi critica e argomentazione; chiarezza espositiva. Eventuali attività esercitative, seminari o discussioni in itinere possono essere valorizzati come elementi integrativi per la valutazione finale, secondo le indicazioni fornite a lezione e su Moodle.

Testi e materiali principali:
1. Rosen, J., Hannaford, B., Satava, R. M. (eds.). Surgical Robotics: Systems Applications and Visions. Springer, 2011.
2. Siciliano, B., Khatib, O. (eds.). Springer Handbook of Robotics. Springer, 2016.
3. Abedin-Nasab, M. H. (ed.). Handbook of Robotic and Image-Guided Surgery. Elsevier, 2019.
4. Diana, M., Marescaux, J. Robotic surgery. British Journal of Surgery, 102(2), 2015.
5. Taylor, R. H., Stoianovici, D. Medical robotics in computer-integrated surgery. IEEE Transactions on Robotics and Automation, 2003.
6. Roussin, C. J., Weinstock, P. SimZones: An Organizational Innovation for Simulation Programs and Centers. Academic Medicine, 92(8), 1114-1120, 2017.
7. Nickson et al. Advances in Simulation, 6:6, 2021.
Ulteriori articoli scientifici, casi di studio, slide, esercitazioni e materiali di approfondimento saranno indicati durante le lezioni e resi disponibili sulla piattaforma Moodle del corso. Si raccomanda di controllare la bibliografia su OneSearch; per supporto è possibile contattare la biblioteca.

CONOSCENZA E COMPRENSIONE DEI PRINCIPI FONDAMENTALI DELLA ROBOTICA INDOSSABILE Al termine del corso, gli studenti saranno in grado di comprendere le definizioni fondamentali, le classificazioni complete, e l'evoluzione storica dei sistemi robotici indossabili, tracciandone lo sviluppo dai primi concetti alle applicazioni moderne. Verrà acquisita una profonda comprensione della natura intrinsecamente multidisciplinare della robotica indossabile che integra concetti derivanti dall'ingegneria meccanica (progettazione, cinematica, dinamica), dall'ingegneria elettrica (sensori, attuatori), dall'ingegneria biomedica (fisiologia umana, biomeccanica, neuroingegneria), dalla scienza dei materiali (robotica morbida, biomateriali) e dall'ingegneria dell'automazione (controllo, interazione uomo-robot, intelligenza artificiale/apprendimento automatico); tutti declinati per lo specifico campo d'applicazione indossabile. CONSAPEVOLEZZA DELLE TENDENZE DI RICERCA ATTUALI, DELLE SFIDE E DELLE CONSIDERAZIONI REGOLATORIE Gli studenti saranno in grado di identificare, valutare criticamente e discutere le attuali tendenze di ricerca nei cari campi della Robotica Indossabile. Sarà sviluppata la capacità di riconoscere e analizzare le sfide significative nel campo, come garantire l'adattabilità del dispositivo a diversi utenti e ambienti, superare le difficoltà di traslazione dalle condizioni controllate di laboratorio all'implementazione nel mondo reale, affrontare le limitazioni dell'attuale tecnologia di rilevamento e, in modo critico, migliorare l'accettabilità da parte dell'utente per prevenire l'abbandono del dispositivo. Gli studenti comprenderanno infine il panorama legale e normativo che regola la progettazione, il collaudo e l'implementazione dei dispositivi indossabili. CAPACITÀ DI ANALIZZARE E PROGETTARE SISTEMI ROBOTICI INDOSSABILI Gli studenti saranno in grado di impostare il lavoro di sviluppo di un robot indossabile, partendo dall'analisi del contesto e dei requisiti e arrivando alla dalla progettazione e produzione dei primi prototipi, passando dalla formulazione dei concept cinematici, dall'analisi dei carichi, dall'integrazione dei sensori e dall'implementazione del corretto sistema di controllo.

Il corso fornisce una panoramica sulla progettazione, modellazione e realizzazione di sistemi di robotica indossabile, con particolare attenzione alle interazioni fisiche tra l’utente e il dispositivo (physical Human-Robot Interaction, pHRI). L’insegnamento integra competenze di meccanica, elettronica, sensoristica e controllo, fornendo agli studenti gli strumenti per affrontare l’intero ciclo di sviluppo di un robot indossabile, dalla definizione dei requisiti alla validazione sperimentale.

La valutazione prevede un esame (scritto o orale a seconda delle condizioni) composto da domande teoriche finalizzate a verificare la comprensione dei concetti chiave.

Slide fornite dal docente. 1) Pons, J. L. (2008). Wearable Robots: Biomechatronic Exoskeletons. John Wiley and Sons. 2) Bartneck, C., Belpaeme, T., Eyssel, F., Kanda, T., Keijsers, M., & Sabanovic, S. (2024). Human-Robot Interaction – An Introduction. (2nd edition) Cambridge: Cambridge University Press. 3) Siciliano, B., Khatib, O., & Kröger, T. (Eds.). (2008). Springer handbook of robotics (Vol. 200, p. 1). Berlin: springer.