Ingegneria Biomedica

Obiettivo dell’insegnamento èquello di introdurre le principali tecniche per la misura, il trattamento e l’elaborazione delle bioimmagini (con particolare riferimento a radiografie, TAC e risonanze
magnetiche) e dei segnali biomedici e di fornire agli studenti le nozioni specialistiche necessarie per la realizzazione di semplici algoritmi per l'analisi di segnali biomedici mono e multidimensionali.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere le nozioni (definizioni, enunciati, dimostrazioni se previste dal programma) relative alla generazione, elaborazione e analisi di segnali biomedici
mono e multidimensionali, con particolare riferimento alle bioimmagini e alla modellazione dei principali biosegnali, e saper comprendere argomenti affini elaborando le nozioni acquisite.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di saper applicare quanto appreso nella risoluzione di eventuali problemi di verifica o esercizi elaborati dal Docente, in linea di massima legati ad argomenti quali:
qualità delle bioimmagini, elaborazione delle bioimmagini, modellazione dei biosegnali.

(0.5 cfu) Introduzione alle bioimmagini: Diagnostica per immagini; Immagini digitali; Risoluzione e occupazione di memoria; Formato delle immagini e compressione; Immagini DICOM; Acquisizione delle immagini digitali; Qualità delle immagini digitali e rapporto segnale rumore; Classificazione degli algoritmi di elaborazione delle immagini.
(0.5 cfu) Segnali bi o multi dimensionali: Trasformata di Fourier bidimensionale e tridimensionale e sue proprietà; Trasformata di Fourier in uno spazio multidimensionale; Trasformata di Fourier di funzioni circolari simmetriche; Trasformata di Hankel; Trasformata di Abel; La chirp z-trasformata; Legge di assorbimento; Analisi di una sorgente puntiforme; Angiografia sottrattiva; Dalla proiezione alla tomosintesi.
(2.5 cfu) Tomografia computerizzata: Le generazioni della TC; Prima generazione –traslazione e rotazione del fascio di raggi-X; seconda generazione –roto-traslazione di uno stretto fascio di raggi-X; Terza generazione –rotazione di un fascio di raggi-X ad apertura ampia; Quarta generazione –rotazione della sorgente su un anello chiuso di rivelatori; TC spirale –moto lungo un percorso a spirale; Rotazione di un fascio a cono; Spazio delle rette nel piano; Trasformata di Radon; SINOGRAMMA; Teorema della proiezione o teorema della fetta centrale; Trasformata inversa di Radon; Il metodo del linogramma; Retroproiezione (BP); Retroproiezione filtrata (FBP); Confronto tra retroproiezione semplice e filtrata; Ricostruzione 2D (retroproiezione filtrata); Filtri per fascio parallelo; Fascio a ventaglio (Fan Beam); Ricostruzione 2D: filtraggio della retroproiezione; Approccio alternativo alla Radon Transform; Proiezione a fascio parallelo; Proiezione a fascio divergente; Ricostruzione tridimensionale; Ricostruzione secondaria basata su uno stack di fette tomografiche; CT spirale; Metodo di Grangeat; Calcolo della derivata prima sul rivelatore; Ricostruzione con la derivata della trasformata di Radon.
(1 cfu) Esercitazioni Matlab: visualizzazione e filtraggio immagini, elaborazione dell’istogramma, ricostruzione di un’immagine con Radon.
(2 cfu) Risonanza Magnetica: Principi Fisici della Risonanza; Comportamento dei nuclei in un Campo Magnetico esterno; Dalle equazioni di Bloch ai Fenomeni di rilassamento; Hardware MRI; Magnete principale; Bobine di gradiente; RF Coil; RF Surface Coil; Saddle shape RF coil; Bobine ausiliarie; Bobine di shimming; Bobine di schermatura (shielding); La Radiofrequenza; Impulso RF; Modulazione SSB; Separatore; Formazione delle immagini MRI; Gradiente di campo; Selezione della fetta; Codifica in frequenza; Codifica in fase; Equazione delle immagini dall’equazione di Bloch; Immagini a risonanza magnetica 2-D; Ricostruzione con retroproiezione; Ricostruzione con la trasformata di Fourier 2D; La trasformata di Fourier bidimensionale; Sequenze di eccitazione; Sequenza 90-FID; Sequenza Spin-Echo; Imaging con sequenze Spin Echo; Sequenza Inversion Recovery; Imaging con sequenze Inversion Recovery; Imaging con sequenze Gradient Echo; Immagini pesate T1 e T2; K spazio; FOV e risoluzione; Aliasing; Appendice B Relazione di Poisson; Appendice C; Richiami di fisica della risonanza magnetica; Calcolo della magnetizzazione di un volume di materiale.
(1.5 cfu) Modelli per segnali biomedici: Generalità sui modelli; Modelli Stocastici; Modelli Stocastici Autoregressivi (AR); Funzione di Autocorrelazione (ACF); equazioni di YuleWalker; metodo recursivo di LEVINSON e DURBIN; criterio di AKAIKE; parziale autocorrelazione (PACF); spettro del segnale autoregressivo; processi stocastici a media mobile (MA); Funzione di Autocorrelazione (ACF); parziale autocorrelazione (PACF); processi autoregressivi a media mobile (ARMA). Applicazione dei modelli al segnale elettromiografico, segnale Elettromiografico, livello di contrazione muscolare; Applicazione dei modelli al ritmo cardiaco; Applicazione dei modelli all'Elettroencefalogramma e alla sua segmentazione. Modelli parametrici; modelli autogressivi o a tutti poli; metodo dell'autocorrelazione; calcolo dei parametri del modello; il metodo della covarianza.
(1 cfu) Introduzione al machine learning per l'analisi dell'immagini: classification workflow, extracting features, building a model, evaluating a model, classification model. Applicazioni di Radiomica: teoria e pratica.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Appunti dalle lezioni disponibili sul sito nella sezione materiale didattico.
Altri testi consigliati:

• "Introduction to Medical Imaging", Nadine Barrie Smith and Andrew Webb, Cambridge University
  Press
• "Foundation of Medical Imaging", Zang-Hee Cho, Joie P. Jones, Manbir Singh, Wiley
  Interscience
• "Computed Tomography - From Photon Statistics to Modern Cone-Beam CT", Thorsten M.
  Buzug, springer
• "Magnetic Resonance Imaging", E.Mark Haacke, Robert W. Brown, Michael R.Thompson,
  Ramesh Venkatesan
• "Time Series Analysis: Forecasting and Control", George E. P. Box, Gwilym M. Jenkins, Gregory
  C. Reinsel, Greta M. Ljung
• "Biomedical Signal Analysis: A Case-Study Approach", Rangaraj M. Rangayyan, Wiley
  Interscience
  -Joseph P. Hornak. "The Basics of MRI". Available at: https://www.cis.rit.edu/htbooks/mri/inside.htm

Il corso si propone di fornire le competenze di base per la modellistica, la pianificazione e il controllo del moto dei robot
Conoscenza e capacita' di comprensione: Il percorso formativo intende fornire agli studenti gli strumenti metodologici per la modellistica, la pianificazione e il controllo dei robot. Vengono introdotti i componenti di un robot, i modelli cinematici, statici e dinamici dei robot manipolatori, le tecniche di pianificazione di traiettoria e gli schemi di controllo. Lo studente deve dimostrare di avere appreso quali sono i requisiti dei sistemi dedicati al controllo dei robot, sulla base dei modelli impiegati. Lo studente deve inoltre dimostrare la conoscenza nella derivazione di modelli e nella validazione degli algoritmi per l’inversione cinematica e il controllo mediante strumenti di simulazione.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di saper derivare i modelli cinematici, statici e dinamici e di saperli applicare a casi di studio pratici riguardanti i robot manipolatori a catena aperta. A partire da questi, deve dimostrare di saper progettare schemi di controllo che risolvano i problemi di regolazione e di inseguimento di traiettoria e di saperli validare in ambiente Matlab/Simulink®.

Robotica industriale e robotica avanzata
Descrizione e principi di funzionamento di un robot
Cinematica diretta
Calibrazione cinematica
Cinematica differenziale e Jacobiano
Ridondanza e singolarità
Algoritmi per l’inversione cinematica
Dualità cineto-statica
Pianificazione di traiettorie nello spazio dei giunti e nello spazio operativo
Attuatori e sensori
Unità di governo
Modello Lagrangiano
Proprietà notevoli del modello dinamico
Algoritmo ricorsivo di Newton-Eulero
Identificazione dei parametri dinamici
Dinamica diretta e dinamica inversa
Controllo decentralizzato
Controllo indipendente ai giunti
Controllo centralizzato
Controllo a coppia precalcolata
Controllo PD con compensazione di gravità
Controllo a dinamica inversa
Controllo robusto e adattativo
Controllo nello spazio operativo

Al colloquio orale si viene ammessi dopo lo svolgimento di un elaborato progettuale in Matlab/Simulink® riguardante la simulazione di algoritmi di inversione cinematica e sistemi di controllo per robot manipolatori. L’esame consiste in una discussione critica dell’elaborato e nell’accertamento dell’acquisizione dei concetti e dei contenuti introdotti durante le lezioni.
Gli studenti vengono ammessi all'esame orale dopo aver svolto un progetto di progettazione in Matlab/Simulink®
riguardante la simulazione di algoritmi di cinematica inversa e sistemi di controllo per manipolatori robotici.
L'esame consiste in una discussione critica del lavoro svolto e nella verifica dell'apprendimento dei concetti e dei contenuti introdotti durante le lezioni.

B. Siciliano, L. Villani, G. Oriolo, A. De Luca, Foundations of Robotics, London, UK, 2025, ISBN 978-3-031-85522-1
B. Siciliano, Robotics Foundations I, MOOC disponibile in inglese sulla piattaforma www.federica.eu
B. Siciliano, Robotics Foundations II, MOOC disponibile in inglese sulla piattaforma www.federica.eu
Materiale disponibile nella pagina MS Teams del corso

Il corso si propone di introdurre gli studenti al concetto di Retroazione (Feedback) e al suo uso per l’analisi e la progettazione di leggi di controllo di sistemi dinamici illustrandone le possibili applicazioni attraverso esempi rappresentativi della bioingegneria. Il corso intende inoltre fornire agli studenti tutti gli strumenti necessari per la simulazione e la validazione di sistemi di controllo al calcolatore.
Conoscenza e capacita' di comprensione: Gli obiettivi formativi che vengono evidenziati relativamente al presente descrittore sono perseguiti attraverso lezioni frontali, esercitazioni. Gli studenti acquisiscono conoscenze concettuali e analitiche di base e avanzate, sia teoriche che applicate, sull’analisi e sul controllo di sistemi dinamici con applicazioni ai sistemi di interesse in bioingegneria.
Capacita' di applicare conoscenza e comprensione: Capacità di progettare, simulare e validare un sistema di controllo per la bioingegneria; Capacità di utilizzare pacchetti software per la simulazione e l’analisi numerica di sistemi di controllo; Abilità nell’utilizzare diversi approcci di sintesi per la progettazione di sistemi di controllo.

(1 cfu) Introduzione al concetto di retroazione in sistemi tecnologici e in bioingegneria.
(1 cfu) Proprietà fondamentali dei sistemi di controllo in controreazione . Specifiche di un problema di controllo. Componenti di un sistema di controllo. Controllabilità e osservabilità di un sistema dinamico LTI.
(2 cfu) Controllo a retroazione di stato e di uscita . Osservatori dello stato. Sintesi nello spazio di stato
(4 cfu) Sintesi di controllori nel dominio della s e in frequenza. Sensitività e robustezza dei sistemi di controllo.
(1 cfu) Cenni sui sistemi di controllo non lineare .

La prova di esame consiste in un esame scritto volto a valutare la capacità dello studente di comprendere e applicare i concetti insegnati durante il corso

K.J. Ǻstrom, R.J. Murray, Feedback Systems: An Introduction for Scientists and Engineers, Princeton
University Press, 2008, ISBN 9781400828739
P. Bolzern, R. Scattolini, N. Schiavoni, Fondamenti di Controlli Automatici – 4 Ed., McGraw Hill, ISBN
8838668825
D. Del Vecchio, R.J. Murray, Biomolecular Feedback Systems, Princeton University Press, 2014, ISBN
9781400850501

• Fornire agli studenti i contenuti che consentano loro di acquisire consapevolezza sulle modalità di utilizzo delle principali tecnologie dell'informazione nelle applicazioni tipiche dell'ingegneria biomedica.
• Fornire agli studenti gli strumenti operativi di base nel settore della tecnologia della informazione, con riferimento all'ambito applicativo dell'ingegneria biomedica.
• Dotare lo studente degli strumenti tecnici necessari per analizzare i requisiti e dimensionare un sistema informativo sanitario dal punto di vista infrastrutturale, di gestione dei dati e di supporto al sistema organizzativo.
• Fornire allo studente una cassetta degli attrezzi utile per analizzare un modello organizzativo in ambito sanitario.
  Conoscenza e capacita' di comprensione: - Lo studente dovrà dimostrare di conoscere e comprendere le principali tecniche per la analisi dei requisiti di un sistema informativo sanitario dal punto di vista infrastrutturale, di gestione dei dati e di gestione dei modelli organizzativi
• I requisiti di sicurezza e garanzia della privacy di un sistema informativo sanitario
• Analizzare e modellizzare la base dati di un generico sistema organizzativo
  Capacita' di applicare conoscenza e comprensione: Al termine del corso lo studente sarà in grado di:
• - analizzare un flusso organizzativo e sintetizzarlo attraverso un sistema di simulazione
• - analizzare un flusso organizzativo e descriverlo attraverso un modello e r per lo sviluppo di una base di dati
• - progettare un sistema informativo di rete coerente con le esigenze organizzative
• - valutare in modo consapevole problemi di sicurezza informatica, gestione della privacy e accessibilità dei contenuti informatici a beneficio delle persone con disabilità

Tecniche di BPM e analisi organizzativa

• Introduzione teorica alla simulazione a eventi discreti e principi di analisi organizzativa
• Introduzione a simul8
• Analisi teorica dei flussi sanitari e delle principali fonti di dati
• Analisi flussi prenotazioni. ricoveri, e lab analisi"
• Sviluppo flussi su prestazioni ambulatoriali, lab analisi e reparto operatorio
• Sviluppo flussi su PS e reparto
• Esercitazione su modelli complessi e sviluppo in VL
• Modelli complessi e sviluppo in VL
  Tecnologie di rete
• Livello Fisico, Architettura, cablaggio strutturato
• Introduzione alla pila pila iso osi
• Fondamenti livello fisico e intro a livello 2
• simulatore Cisco Packet Tracer
• Generalità su livello 4 e livello applicazione
  Gestione Basi di dati
• Fondamenti di analisi db
• Modellazione con UML
• Modello er
• Sviluppo Gestione applicazioni di gestione dati con ACCESS
  Sicurezza informatica e privacy
• Tecniche di crittografia simmetrica e asimmetrica
• Firma digitale e modelli di gestione
• Legge 196 e GDPR concetti di base e gestione dati sensibili
• Sicurezza nelle reti firewall
  Accessibilità dei contenuti informatici
• principi generali
• W3C
• Legge stanca

La modalità di valutazione è particolarmente articolata ed è stata studiata per raggiungere i seguenti obiettivi:

• Accertare l’effettivo raggiungimento degli obiettivi formativi/risultati attesi previsti nella scheda
• Essere robusta allo svolgimento in presenza o a distanza nei casi eccezionali in cui se ne ravveda la necessità.
• Permettere allo studente di giungere all’esame nelle indispensabili condizioni di serenità
  I candidati dopo essersi prenotati su segrepass si iscrivono al compito indicato in piattaforma blended , che viene predisposto con riferimento alla specifica seduta di esame.
  In piattaforma gli studenti devono caricare, 3-4 giorni prima dell’esame, un file doc o pdf contenente una traccia che possono scegliere liberamente, relativa all’ elaborato progettuale che dovranno sviluppare a casa 1 o 2 giorni prima dell’esame.
  Il docente valuta la traccia in termini di complessità e coerenza ed assegna ad essa un voto. Se il voto è inferiore a 6 il candidato ha 1 giorno di tempo per fare le necessarie rettifiche, in base alle sintetiche annotazioni del docente presenti in piattaforma, e sottomettere nuovamente la traccia.(Lo studente ha una sola occasione per correggere la traccia)
  Se la traccia quindi riceve una valutazione >=6 il candidato è ammesso a sostenere l'esame.
  L’elaborato preparato dal candidato è composto di tre esercizi, uno di simulazione organizzativa, uno di simulazione di reti ed un di analisi della base dei dati
  Il docente in sede di colloquio valuta la correttezza e sopratutto la consapevolezza del candidato in merito all'elaborato svolto e assegna un voto per ognuno degli esercizi.
  Successivamente il candidato dovrà rispondere in forma orale ad una domanda estratta a sorte da un deposito di domande caricato in piattaforma sul tema della sicurezza e privacy e un’altra in merito alla accessibilità; per ognuna delle domande il candidato riceve i rispettivi voti.
  Lo studente ha la possibilità, prima dell’esame, di esercitarsi su tali domande grazie ad appositi test di autovalutazione, a risposta chiusa, presenti sulla piattaforma blended che attingono al medesimo deposito di domande.I test di autovalutazione sono configurati su 6 domande casuali e possono essere ripetuti senza limitazione ma a distanza di 6 ore tra un tentativo e l'altro
  Tornando al colloquio, tutti e cinque i voti assegnati sono annotati dal docente su un apposito file excel e tenuti riservati fino al completamento di tutti gli esami (o almeno un gruppo di essi)
  Subito prima della registrazione dell’esame viene proiettato a tutti i candidati il foglio excel che riporta tutte le votazioni di tutti i candidat e il voto finale risultante da una somma pesata delle singole valutazioni ottenute sui 5 temi indicati.
  I candidati possono quindi esprimere pubblicamente eventuali riserve in merito alla valutazione ottenuta e chiedere anche spiegazioni che il docente puntualmente fornisce; solo alla fine di questa fase di revisione i voti vengono registrati sulla camicia elettronica.

Il corso è erogato in modalità blended, quindi gli studenti hanno accesso ad un corso FAD all'uopo predisposto sulla piattaforma " Blended Biomedica" contenente Slide delle lezioni, dispense, Video registrazioni delle lezioni, Software gratuito per la parte esercitativa, Strumenti di forum e chat per interagire col docente e tra gli allievi.

L'insegnamento si propone di fornire agli studenti nozioni specialistiche e progettuali di strumentazione biomedica, ed illustrare alcune classi di apparecchiature, sia per applicazioni diagnostiche che terapeutiche, per sviluppare capacità applicative.
Conoscenza e capacita' di comprensione: Lo studente acquisirà conoscenze e competenze per comprendere tematiche relative alla strumentazione biomedica ed al suo utilizzo ed alle loro potenzialità e limiti. Lo studente, a partire dalle nozioni apprese, dovrà essere in grado di individuare le potenzialità e gli attuali limiti dei dispositivi medici.
Capacita' di applicare conoscenza e comprensione: Lo studente dovrà, applicando gli strumenti metodologici e tecnologici appresi, essere in grado di progettare dispositivi medici, di migliorarne le prestazioni, e di implementarne integrazioni.

Architettura generale dei sistemi per misure biomediche, prestazioni dei sistemi di misura, sensori per misure biomediche. Acquisizione e condizionamento di segnali di interesse biomedico. Amplificatori per sensori biomedici. Richiami sulla generazione di biopotenziali, amplificatori e filtri. Elettrocardiografi, elettromiografi, elettroencefalografi. Isolamento galvanico del paziente. Misure e monitoraggio della pressione sanguigna: metodi diretti ed indiretti. Misure di flusso sanguigno. Pletismografi. Pulsiossimetri.
Elettrobisturi. Defibrillatori. Pacemaker. Apparecchiature per l’apparato polmonare, spirometri, pneumotacografi, pletismografi, ventilatori polmonari, macchine per anestesia. Apparecchiature di diagnostica per immagini. Apparecchiature radiologiche, TC. Apparecchiature per la medicina nucleare, gamma camere, SPECT, PET. Sistemi a ultrasuoni per la diagnostica clinica, Principi della ecografia: A-mode, B-mode, M-mode. Sonde. Flussimetri a tempo di transito. Velocimetri Doppler.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

J.G. Webster. "Medical Instrumentation: application and design" John Wiley & Sons.
G. Avanzolini. "Strumentazione biomedica progetto ed impiego dei sistemi di misura". Patron.
F.P. Branca. "Fondamenti di Ingegneria Clinica. Volume 1". Springer.
F.P. Branca. "Fondamenti di Ingegneria Clinica. Volume 2: Ecotomografia". Springer.
D. De Rossi et al. "Sensori per misure biomediche". Patron.
Slide del corso

Mettere in grado lo studente di familiarizzare con le problematiche relative alla affidabilità di
componenti e sistemi, e iniziarlo alle relative metodologie di calcolo.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper comprendere le relazioni che sussistono tra i
componenti di un Sistema in relazione alla sua "missione" di funzionamento, con particolare
riferimento ai Sistemi di interesse nell’ambito dell’Ingegneria Biomedica, in modo da poterle
tradurre in relazioni logiche di carattere affidabilistico; ciò al fine di poter caratterizzare lo schema
di affidabilità del sistema formato da tali componenti
Capacita' di applicare conoscenza e comprensione: Il percorso formativo è orientato a trasmettere le capacità e gli strumenti metodologici e operativi
necessari ad applicare concretamente le conoscenze acquisite al fine di risolvere il problema della
valutazione di affidabilità dei sistemi il cui schema sia riconducibile agli schemi di base (serie,
parallelo, etc) studiati nel corso. Ciò anche al fine di comprendere concetti collegati a quello di
Affidabilità (quali quelli di Rischio e Sicurezza) che hanno sempre più importanza in ambito
normativo e legislativo, specialmente per Ingegneri Biomedici.

[3 CFU] Il concetto di affidabilità; genesi ed evoluzione della teoria. Eventi aleatori e Algebra degli
Eventi. Calcolo Combinatorio. Affidabilità, Rischio, Sicurezza nei sistemi Biomedici.
[3 CFU] Elementi di Calcolo delle Probabilità. Elementi di teoria delle Variabili Aleatorie. Definizione
quantitativa dell’affidabilità. Rappresentazione affidabilistica dei sistemi: generalità sui sistemi serie
e parallelo. Sistemi “serie – parallelo” e loro “riduzione”. Sistemi di tipo “parallelo parziale”. Metodi
di analisi di sistemi complessi
[3 CFU] Analisi statica e dinamica dell’affidabilità. Distribuzioni principali utilizzate per le Variabili
Aleatorie nei modelli di affidabilità. Cenni ai Processi di Markov. Disponibilità dei sistemi riparabili.
Esempi applicativi di calcoli di affidabilità di sistemi Biomedici.

La fase di valutazione verrà effettuata sulla base della capacità di esposizione degli argomenti
teorici oggetto del colloquio orale.

Dispense redatte dal docente, disponibili sul sito web-docenti.
Testi consigliati:
1:Autore: Jay L. Devore; Titolo: Probability and Statistics for Engineering and the Sciences
Editore: Cengage,
2: Autori: I. A. Ushakov, S. M. Ross, and V. V. Rykov.
Titolo: Bayesian Methods in Reliability;
Editore: Springer- Series: Springer Series in Reliability Engineering

The Course deals with the Bio-Inspired Generative Design (GD), a design method that mimics nature’s evolutionary approach to design, and Additive Manufacturing. GD is used to design complex shapes and optimized forms according to forces, cost, weight, environmental impact and other data that may influence the design. GD will allow to explore all the solutions in order to find the best option. Artificial intelligence (AI) and machine learning will transform the design process into a sophisticated engineer-computer interaction. Taking advantage of the Additive Manufacturing processes, complex geometries, which are in many cases technically unfeasible using conventional manufacturing methods, can be realised. Thus, the main steps from concept design to Additive Manufacturing will be developed. The presented concepts will be exploited to develop a project work, in which the students, grouped in teams, will work together on a specific case study. The CREAMI and RICREAMI laboratories will be available to the students.
Conoscenza e capacita' di comprensione: The student must demonstrate that he/she has achieved an adequate knowledge of strategies towards the design for Additive Manufacturing with a special emphasis on the following features:

• Knowledge of technical language for the communication of technical information at the international level;
• Knowledge of the basic methodologies of Design for Manufacturing and Assembly/Design for Additive Manufacturing;
• Knowledge and understanding of International Standards;
• Knowledge of the basic principles in design and development of sustainable and smart products;
• Knowledge of the basic methodologies for the assessment of the functional analysis of Additive Manufactured Products;
• To define biomimetic and bioinspired approach;
• To distinguish among different cellular structures and lattice structures;
• To describe topology optimization algorithms;
• To illustrate the main features of generative design and AI-driven process towards the development of design solutions;
• To outline the potential of developing custom-made and lightweight products.
  Capacita' di applicare conoscenza e comprensione: At the end of the Course the student must demonstrate that he/she has acquired notions of Bio-Inspired Generative Design for Additive Manufacturing and, in particular, the following abilities:
• Knowledge and planning of the functional design of additive manufactured components of systems and products by applying the basic principles of bio-inspired and generative design;
• Understanding of the effect of the manufacturing errors on the functional and mechanical characteristics of the additive manufactured products;
• Interpretation of concepts for the design of smart and sustainable products towards the ecological transition;
• Understanding of verification methodologies and technical reference standards;
• To modify conventional methodologies and to rewrite/organise novel functional analyses for
  innovative products, as a consequence of product reimagination from a new standpoint:
• To solve technical problems related to the simultaneous optimization of several response variables (e.g., mechanical and further functional features) as well as to the development of multi-material structures;
• Correct use of the developed products according to the specific applications, and production of reference documentation;
• Management and implementation of several algorithms to develop innovative products.

The course contents will cover the following aspects: ·Key Advantages of the Additive Manufacturing (AM) techniques. ·Design for Manufacturing and Assembly (DfMA) / Design for Additive Manufacturing (DfAM). ·Design for Additive Manufacturing in sustainable and smart product design and development: Trends and Opportunities. ·DfAM and International Standards. ·Understanding the influence of AM roughness, geometrical and dimensioning tolerances, mechanical properties, process parameters on DfAM. ·From Darwin’s Theory of Natural Selection to Generative Design. Nature-Inspired Metaheuristic Algorithms. Genetic Algorithms. Generative Design: challenges and innovative design solutions. Generative Design: artificial intelligence (AI) and machine learning to transform the design process into a sophisticated engineer-computer interaction. AI-driven process towards the development of design solutions. · Cellular Structures. Lattice Structures and 3D CAD Modelling. ·Geometrically Hybrid Lattice Structures and Solid-Lattice Hybrid Structures. ·Topology Optimization Algorithms. Gradient-Based Optimization Algorithms. Optimality Criteria Methods. Integrated Design Methods. · Bioinspired architectures for sustainable and smart products ·Design for Additive Manufacturing of custom-made advanced, lightweight and multi-material structures. ·Practical lessons based on project work concerning innovative architectures for sustainable and smart products.

The minimum requirements for passing the exam concern the following features: i) knowledge of the basic principles of the Design for Additive Manufacturing, bio-inspired and generative design; ii) knowledge of dedicated algorithms and optimality criteria methods; iii) ability to design cellular and lattice structures with optimized properties. The oral test focuses on the subjects of the program and starts from the discussion of a project work made by the students.
The students must use textbooks, manuals or collection of technical standards during the oral test.
The students with SLD (Specific Learning Disorders) or disabilities can use teaching support material, such as
synoptic tables and multimedia devices, with the aim to help the learning process.

All students will find technical information and/or teaching material related to classroom presentations and exercises on the teacher’s website and/or TEAMS platform. International Standards will be available.

Gli obiettivi formativi principali del Corso di Biomeccanica Neuromotoria mirano a fornire gli strumenti e i metodi fondamentali per modellare matematicamente e simulare ingegneristicamente il comportamento biomeccanico di sistemi biologici, dalla scala cellulare a quella macroscopica di tessuti e organi, con attenzione particolare al modo in cui si descrivono formalmente gli accoppiamenti multi-fisici tra meccanica, crescita, morfogenesi e locomozione, di interesse nell'ambito delle neuroscienze.
Conoscenza e capacita' di comprensione: Risultati di apprendimento attesi riguardano, tra gli altri, la capacità di interpretare, analizzare e modellare risposte biomeccaniche di sistemi biologici a diverse scale, con specifico riferimento al modo in cui si sviluppano deformazioni, movimenti e funzioni in organismi complessi.
Capacita' di applicare conoscenza e comprensione: Progettazione di sistemi biomedicali, di materiali bio-ispirati e di strutture per la robotica.

In forma sintetica, il programma del Corso di Biomeccanica Neuromotoria si articola intorno ai seguenti argomenti:
Meccanica dei sistemi biologici monodimensionali alla micro- e macro-scala: equazioni di equilibrio e cinematica in strutture deformabili assialmente e flessionalmente, crescita, contrazione muscolare, modelli costitutivi elastici e visco-elastici, dinamica; Meccanica dei continui, in presenza di crescita, morfogenesi e contrazioni anelastiche; Sistemi e modelli biomeccanici per la locomozione in cellule, tessuti e organismi. Applicazioni ed esperienze di laboratorio.

Le modalità di valutazione saranno definite entro i termini previsti, a valle della verifica dei criteri indicati dalla PQA
Prova scritta e orale: i due esami di verifica verranno effettuati dallo studente contestualmente (unica seduta).

Il materiale didattico è costituito dagli appunti delle lezioni e le note prese in aula. Cionondimeno, si farà altresì riferimento a capitoli specifici o sezioni particolari dei seguenti testi:
L.A. Taber, Continuum Modeling in Mechanobiology, Springer, 2020.
A. Goriely, The Mathematics and Mechanics of Biological Growth, Springer, 2017.
S.C. Cowin, S.B. Doty, Tissue Mechanics, Springer, 2007.

• Acquisire una conoscenza approfondita dei principi di rilevamento e trasduzione dei segnali biologici utilizzati nei biosensori.
• Comprendere appieno le diverse tecnologie di rilevamento biologico, inclusi i principi di funzionamento e le applicazioni specifiche.
• Familiarizzare con le tecnologie utilizzate nella progettazione e nello sviluppo dei biosensori
• Conoscere approfonditamente le diverse applicazioni dei biosensori nella salute e nel benessere.
  Conoscenza e capacita' di comprensione: Al termine del corso, lo studente deve dimostrare di aver acquisito un’ampia conoscenza teorico-applicativa dei principi di rilevamento e trasuzione inerenti all’impiego dei biosensori in ambito medicale e del benessere e delle loro prestazioni metrologiche.
  Capacita' di applicare conoscenza e comprensione: Lo studente dovrà possedere approfonditi strumenti metodologici necessari non solo per la comprensione dei principi di funzionamento dei biosensori, ma anche per l’identificazione delle soluzioni ingegneristiche più idonee a soddisfare i requisiti metrologici dell'ambito applicativo di riferimento.

Introduzione ai biosensori: storia, specifiche dei biosensori e prestazioni analitiche, classificazione dei biosensori mediante elementi di riconoscimento molecolare e sistema di trasduzione, biosensori catalitici e basati sull'affinità. Elementi di riconoscimento molecolare: enzimi, anticorpi, anticorpi chimerici, nanobodies, DNA, RNA, PNA. Panoramica sui principali sistemi di trasduzione e/o rivelazione. Biosensori elettrochimici: Caratteristiche e classificazione dei biosensori elettrochimici. Biosensori commerciali per applicazioni cliniche e farmaceutiche. Elettrodi. Eq. Di Nernst. Principi di funzionamento dei sensori amperometrici, potenziometrici, voltammetriche, impedenzimetrici, Principi operativi di bio-FET - Esempi di bio-FET Biosensori per la breath analysis. Biosensori a variazione di massa. Principio di misura della massa. Effetto piezoelettrico e risonatori elettromeccanici. Quartz microbalance. Circuti relativi. Applicazioni pratiche. Surface acoustic waves. Sensori fisici con SAW. RFID. Biosensori ottici. Spettrofotometri. Trasmittanza ed assorbanza. Legge di Beer-Lambert. Sistemi a fluorescenza. Sensori a variazione di colore. Misura del colore. Surface Plasmon Resonance. Biosensori basati sulla fluorescenza. Biosensori basati su chemiluminescenza e bioluminescenza. Sensori ottici label-free.
ESPERIENZE PRATICHE E DI LABORATORIO

• Esempi pratici di biosensori commercializzati, stato dell'arte dei biosensori per applicazioni point of care e point of need con valutazione critica dei principali vantaggi e limitazioni delle diverse strategie di biosensing.
• Rassegna di recenti pubblicazioni scientifiche inerenti gli argomenti trattati nel corso e di applicazioni in campo medico, farmaceutico, ambientale, alimentare, industriale.
• Esercitazioni di laboratorio con casi studio per l'impiego pratico di biosensori studiati a lezione (es. breath analysis, biosensori per il glucosio, test a flusso laterale, cromatografia).

Capacità di argomentare nella risposta i questi posti; ampiezza delle conoscenze e livello di approfondimento degli argomenti, capacità di sintesi espositiva e chiarezza di linguaggio.

Materiale didattico reso disponibile sul team dedicato al corso e sul sito web del docente della materia.

L'insegnamento si propone di fornire agli studenti nozioni specialistiche e progettuali circa i sistemi di Brain Computer Interface e, in generale, di Human Machine Interface. Illustrare le principali classi di sistemi di Brain Computer Interface utilizzate in vari ambiti applicativi e i criteri di progettazione per sviluppare capacità applicative.
Conoscenza e capacita' di comprensione: Lo studente acquisirà conoscenze e competenze per comprendere tematiche relative ai sistemi di Brain Computer Interface, al loro utilizzo ed alle loro potenzialità e limiti. Lo studente, a partire dalle nozioni apprese, dovrà essere in grado di individuare le potenzialità e gli attuali limiti delle interfacce oggi disponibili.
Capacita' di applicare conoscenza e comprensione: Lo studente dovrà, applicando gli strumenti metodologici e tecnologici appresi, essere in grado di progettare interfacce uomo macchina, BCI, di migliorarne le prestazioni, e di implementarne integrazioni.

Introduzione alle Human machine Interface ed alle Brain Computer Interface. Il neurone. Struttura e funzionamento. Connessione tra neuroni. Circuiti neurali. Sistema nervoso centrale e periferico. Encefalo. Corteccia celebrale anatomia e fisiologia, aree funzionali. Connettività cerebrale. Generazione e propagazione dei biopotenziali. Elettroencefalografia. Elettrocorticografia. Tecniche non-invasive e invasive di registrazione ed acquisizione dei segnali elettroencefalografici. Altre tecniche di acquisizione segnali cerebrali. Elaborazione dei segnali elettroencefalografici nel dominio del tempo ed in frequenza; riconoscimento degli artefatti, tecniche di segmentazione, estrazione di caratteristiche specifiche. Potenziali evocati in risposta a stimoli di varia natura. Tecniche di estrazione dei potenziali evocati. Fenomeni di sincronizzazione e desincronizzazione correlata a eventi. Architettura generale di un sistema di Brain Computer interfacce. Differenti implementazioni di sistemi di Brain Computer interfacce. Esempi di alcuni paradigmi: SSVEP (Steady-State Visually Evoked Potentials), P300 wave, motor imagery.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

M. Clerc, L. Bougrain, F. Lotte. Brain–Computer Interfaces 1: Foundations and Methods. ISBN:9781848218260
M. Clerc, L. Bougrain, F. Lotte. Brain–Computer Interfaces 2: Technology and Applications. ISBN:9781848219632
Slides del corso

Con riferimento alle tecniche diagnostiche e terapeutiche fondate sull’impiego di campi elettromagnetici (Risonanza Magnetica, Magnetoterapia, Stimolazione elettrica/magnetica, Elettroporazione, Ipertermia, Ablazione a Radiofrequenza, Laser terapia), l’insegnamento si propone di fornire agli studenti una conoscenza approfondita sia dei fenomeni fisici di base sia della struttura e sia del funzionamento delle relative apparecchiature.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di avere acquisito le conoscenze dei fenomeni fisici di base della interazione dei campi elettromagnetici e i sistemi biologici e di aver compreso il loro impiego nello sviluppo di metodologie diagnostiche e terapeutiche consolidate e innovative, che possono eventualmente affiancarsi a quelle correntemente in uso, al fine di migliorare la qualità (e la precocità) delle diagnosi o contribuire al più efficace trattamento di determinate patologie
Capacita' di applicare conoscenza e comprensione: Il percorso formativo è orientato a trasmettere le capacità e gli strumenti metodologici e operativi necessari ad applicare concretamente le conoscenze dell’impiego di tecniche diagnostiche e terapeutiche che impiegano campi elettromagnetici. Lo studente deve dimostrare di saper descrivere i principi fisici alla base delle applicazioni biomedicali dei campi elettromagnetici ai fini della diagnosi e della terapia, nonché di gestire dispositivi presenti negli impianti e analizzare la relativa applicazione per ottimizzarne il loro impiego.

( 5 cfu ) Principi di bioelettromagnetismo : meccanismi di interazione dei tessuti biologici con i campi elettromagnetici (dai campi statici alle frequenze ottiche), proprietà elettriche e magnetiche dei tessuti alle diverse frequenze; tecniche di misura e modelli teorici; determinazione della potenza specifica (SAR, W/kg) dissipata nei tessuti; caratteristiche elettromagnetiche e termiche dei tessuti biologici e distribuzioni di temperatura in distretti tissutali non omogenei conseguenti all’applicazione di radiofrequenze e microonde; diatermia, ipertermia e ablazione termica (applicatori capacitivi, induttivi, radiativi (guide d’onda), nanoparticelle).
( 0.5 cfu ) Tecniche di adattamento : grafico di Smith.
( 2 cfu ) La Risonanza Magnetica (MRI): (principi fisici, Z- e X-Y gradient coil, gradient driver, B+/B- coil: bird cage coil, surface coil, shimming coil, matching e tuning, fantocci per controllo qualità, gabbia di Faraday).
( 1 cfu ) Elettro-porazione (modello interazione cellula-campo elettrico, applicazioni in oncologia, drug–delivery, generatori di impulsi). Principi fisici dei laser e delle fibre ottiche , applicazioni in diagnostica e terapia.
( 0.5 cfu ) Sicurezza elettromagnetica : valutazione dei livelli di campo elettrico, magnetico ed elettromagnetico per la protezione dei lavoratori e della popolazione dall’esposizione a campi elettromagnetici (normative, misure a banda larga e a banda stretta, riduzione a conformità).

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Appunti del corso
Altri testi consigliati :
CA Balanis: Advanced Engineering Electromagnetics
DM Pozar: Microwave Engineering
J. Jin, Electromagnetic: Analysis and Design in MRI
R. Ansorge, M. Graves: The Physics and Mathematics of MRI, Morgan & Claypool Publishers, 2016
C.M Collins, Electromagnetics in MRI: Physical Principles, Related Applications, and Ongoing Developments, Morgan & Claypool Publishers, 2016

L’insegnamento si pone l’obiettivo di fornire agli studenti le nozioni avanzate di base e di alto livello relative alla implementazione degli algoritmi di elaborazione digitale dei segnali e, inoltre, di acquisire le conoscenze, sia di base sia avanzate, relative alle architetture dei circuiti DSP disponibili commercialmente, delle problematiche, sia teoriche che pratiche, relative alla implementazione ottimale, in tempo reale, su DSP, dei principali algoritmi di elaborazione digitale dei segnali e dell’ambiente di sviluppo per la loro programmazione. Nel corso sono sviluppati, tra l’altro, esempi applicativi legati alla bioingegneria.
Conoscenza e capacita' di comprensione: Al termine del processo di apprendimento lo studente è edotto sulla architettura hardware dei principali componenti di un sistema per l’elaborazione dei segnali (addizionatori, moltiplicatori senza segno e con segno, tecniche carry-save, memorie), sulle principali tecniche di elaborazione dei dati in virgola fissa e mobile, sugli strumenti di analisi degli errori di rappresentazione e delle problematiche di overflow in un sistema lineare realizzato in aritmetica a virgola fissa, sulle principali tecniche di prevenzione/gestione dell’overflow, sulle problematiche teoriche relative alla descrizione in linguaggio C di algoritmi di elaborazione digitale dei segnali, sulle caratteristiche architetturali di minima che identificano un circuito DSP (Digital Signal Processor), sulle problematiche relative alla pipeline nei DSP, sia nel caso di pipeline protetta che nel caso di pipeline non protetta, sulle caratteristiche dei DSP ad elevato parallelismo di elaborazione -in particolar modo basati su architettura di tipo Very Long Instruction Word (VLIW)-, alle forme di parallelismo al livello dell’instruction set del DSP (Single Instruction Multiple Data), sulle tecniche di ottimizzazione del codice per le architettura VLIW (in particolar modo utilizzando tecniche di Loop Unrolling e Software Pipelining), sulle caratteristiche di base dei sistemi di interruzione nei DSP, sulle caratteristiche delle interfacce di comunicazione del DSP (in particolar modo quelle di tipo seriale sincrono), sulle problematiche relative al realizzazione su un DSP di sistemi di elaborazione in tempo reale (in particolar modo utilizzando l’elaborazione in streaming oppure a blocchi).
Capacita' di applicare conoscenza e comprensione: Al termine del processo di apprendimento lo studente è in grado di progettare, autonomamente, l’implementazione in aritmetica a virgola fissa e mobile, di un algoritmo di elaborazione dei segnali tenendo conto sia degli errori di rappresentazione che delle problematiche connesse all’overflow e di determinare l’approccio di prevenzione/gestione dell’overflow che meglio si adatta alla specifica applicazione. Lo studente acquisisce inoltre la capacità di descrivere in linguaggio C un algoritmo di elaborazione digitale dei segnali con particolare riferimento alle problematiche relative alla efficiente implementazione su DSP sia in virgola fissa che mobile. Lo studente padroneggia inoltre le tecniche di ottimizzazione del codice, con particolare riferimento alle architetture VLIW ed è in grado di gestire nel modo migliore possibile, in relazione alla specifica applicazione, il trade‑off tra tempo di calcolo e dimensione del codice applicando le tecniche di Loop Unrolling e Software Pipelining. In fine, lo studente padroneggia gli approcci per l’elaborazione in tempo reale di un algoritmo di elaborazione digitale su un DSP, e, in relazione alle caratteristiche della specifica applicazione, può risolvere nel modo migliore possibile il trade‑off tra massima frequenza di elaborazione e latenza adottando approcci di elaborazione in streaming oppure a blocchi.

Introduzione : Circuiti per l’Elaborazione Digitale: ASIC, FPGA, DSP. Elaborazioni Real-Time.
Componenti base per l’elaborazione digitale dei segnali (~2.6 CFU) : Addizionatori Carry-ripple, Addizionatori Carry-Lookahead, Addizionatori Carry-Prefix, Moltiplicatori Carry-ripple, Aritmetica Carry-save e Moltiplicatori Carry-save, Moltiplicatori Carry-save ad albero (soluzioni di Wallace, Dadda e miste), Memorie SRAM, Memorie DRAM.
Problematiche numeriche nella rappresentazione dei segnali (~1.3 CFU) : Richiami sulle rappresentazioni Fixed-Point e Floating-Point; Precisione ed Errori di Quantizzazione; Errori di Quantizzazione al livello di Sistema; Overflow e tecniche di prevenzione: Variazione della Rappresentazione, Scaling, Scaling per segnali a banda stratta, Scaling Statistico, Aritmetica Saturata, Bit di Guardia; Applicazione delle tecniche di prevenzione dell’Overflow ad un Filtro FIR. Descrizione degli algoritmi di DSP in linguaggio C: rappresentazione Fixed-Point Generalizzata, Regole di Promozione del Tipo, Esempio (filtro FIR con tecnica dei bit di Gaurdia).
Architetture di base dei circuiti DSP (~0.5 CFU) : Datapath; Architettura Harvard ed Harvard modificata; Memoria nei DSP: Banchi Separati, Banchi in Interveaving, Memorie Dual-ported, Allineamento dei Dati ed Accessi Multipli, Gerarchie delle memorie, Caching coerenza e predicibilità; Repeat Buffer; Indirizzamenti per DSP ed Unità di generazione degli indirizzi e indirizzamento Circolare; Tecniche di Zero-Overhead-Looping; Esempi di DSP della Texas Instruments: architetture C2xx, C54xx e C55xx.
Architetture avanzate dei DSP (~0.7 CFU) : Trade-off tra Ortoganalità e Dimensione del Codice; Pipelining nei DSP: Pipeline non‑Protetta o Visibile, Pipeline Protetta o Trasparente, Hazards Strutturali, Hazard sui Dati e Dipendenze, Hazard di Controllo, Delayed-Branch; Scheduling Statico e Dinamico delle Istruzioni; Architetture Superscalari (cenni); Architetture Very-Long-Instruction-Word (VLIW); Istruzioni ed Aritmetica Single-Instruction-Multiple-Data (SIMD); DSP VLIW della Texas Instruments: architetture C64xx, C67xx, C66xx. Cenni ai principali DSP di Analog Devices (Blackfin, SigmaDSP, SHARC e TigerSHARC) e Freescale (Symphony, StarCore SC3400 e SC3850). SoC basati su DSP di Texas Instruments: DaVinci Digital Media Processor, OMAP, Keystone e Keystone II.
Architettura dei DSP Texas Instruments C64xx e C67xx (~0.7 CFU) : Architettura VelociTI; Set Istruzioni; Architettura delle Memoria e Caching su due livelli; Esecuzione Condizionale; Indirizzamenti con offset; Indirizzamenti Circolari e Registro AMR; Pipeline del DSP: Delay-Slots e Latenza delle istruzioni; Istruzioni SIMD.
Sviluppo del Codice ed Ottimizzazione per DSP VLIW (~1.3 CFU) : Sviluppo in Assembly: Grafi delle Dipendenze, Parallelizzazione delle Istruzioni, Eliminazione dei NOP, Loop Unrolling; Software Pipelining: Minimum-safe-trip-count, Resource-Bound, Loop‑Carried‑Dependency‑Bound, Esecuzione Speculativa, Problemi di Live-too-Long, Utilizzo congiunto di Loop Unrolling e Software Pipelining; Sviluppo del codice in Linear-Assembly; Sviluppo del Codice in C: direttive per il Software Pipelining e l’Unrollimg, Aliasing dei Puntatori, Direttive per l’Allocazione in Memoria, Livelli di Ottimizzazione, Funzioni Static; Linker, Variabili Globali e Static, Allocazione delle variabili Near e Far, Start-up del DSP.
Implementazione Real-Time degli Algoritmi di DSP (~0.9 CFU) : Interrupt funzionalità di base, Interfacce Seriali Sincrone ed interfaccia McBSP dei DSP Texas C6x; Gestione delle comunicazione in Polling, Interrupt, DMA; Elaborazioni in Streaming di tipo Interrombibile e non-Interrompibile, Controllo di Flusso nelle elaborazioni in Ricezione/Trasmissione; Sistemi Operativi Real‑Time e Elaborazioni con Prelazione; Elaborazioni a Blocchi: Ping-Pong Buffering; Tecniche di Buffering per gli Algoritmi con Memoria; Debugging off-line e real-time nei DSP, Tecniche di In-System Debbuging tramite interfaccia JTAG.
Esercitazioni (~1.0 CFU) : Le esercitazioni sfruttano l’ambiente di sviluppo Code Composer Studio di Texas Instruments e le schede per la prototipizzazione rapida su DSP DSK-C6713. Implementazioni di Filtri FIR: Calcolo dei Coefficienti, Progetto Numerico e Problematiche di Overflow, Ottimizzazione del Codice con esempi di Unrolling, Software Pipelining, Buffering dei dati; Prove sperimentali con I/O in Real-time mediante board DSK-C6713, esempi applicativi per l’elaborazione di segnali specifici della bioingegneria: segnali audio cardiaci, segnali ecografici doppler.

La valutazione è volta a determinare il grado di acquisizione da parte dello studente degli obiettivi formativi dell’insegnamento con particolare riferimento ai risultati di apprendimento attesi.

• Appunti delle lezioni.
• Testi delle esercitazioni.

Il corso di Circuiti e Sistemi Elettronici per Applicazioni Biomedicali si pone come obiettivo quello di fornire agli studenti capacità di sintesi per quanto riguarda l’elaborazione progettuale di sistemi elettronici per il monitoraggio della salute, partendo da specifiche di sistema fino a scendere alla scelta dei singoli componenti. Consentire agli studenti la produzione, in autonomia, di elaborati progettuali completi che si avvicinino, per quanto possibile, alla loro realizzazione prototipale.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper comprendere le problematiche relative alla progettazione elettronica di sistemi basati su microcontrollori. Deve dimostrare di sapere elaborare argomentazioni concernenti l’interfacciamento di sensori analogici e digitali con l’elettronica di elaborazione numerica; la progettazione di circuiti di amplificazione e filtraggio di segnali di interesse biomedicale. Il percorso formativo intende fornire agli studenti le conoscenze e gli strumenti metodologici di base necessari per analizzare un problema e tradurre la soluzione in un algoritmo implementabile sotto forma di firmware per microcontrollori a medie ed elevate prestazioni. In fine dovrò essere capace di sintetizzare un PCB per prototipi funzionanti.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di trarre le conseguenze di un insieme di informazioni per dimensionare un circuito a microcontrollore per scopi di monitoraggio della salute e applicazioni biomedicali indossabili. Il percorso formativo è orientato a trasmettere le capacità e gli strumenti metodologici e operativi necessari ad applicare concretamente le conoscenze al campo dello sviluppo prototipale per scopi industriali e di ricerca.

Amplificatori operazionali; condizioni di idealità; corto-circuito virtuale; riepilogo configurazioni lineari; esercitazione SPICE integratore reale ed integratore bloccato; datasheet dell'operazionale TL071; Input offset voltage; Input bias current; Input offset current; Compensazione dell'offset. Datasheet dell'operazionale TL071: ratings massimi di funzionamento; caratteristiche elettriche; THD; slew-rate; esempi di applicazioni lineari e non lineari; capacità di bypass sull'alimentazione. Non idealità dell'OPAMP; full power-bandwidth. Comportamento in frequenza delle capacità di bypass. Risposta galvanica della pelle (GSR); circuiti per l'analisi elettrodermica: soluzione con partitore di resistenza e problemi di non linearità; soluzione con generatore di corrente OPAMP. Sistema GSR con soluzione Howland Current Pump: progetto del circuito. Analisi studio di due soluzioni commerciali GSR: a) Grove GSR sensor; b) Bitbrain Ring. Filtri Attivi; Risposta dei filtri reali. Filtro passa basso: Realizzazione del filtro RC del primo ordine; Filtri di ordine superiore; Approssimazioni di Butterworth, Tschebyscheff e Bessel. Progetto di un filtro passa basso di ordine n. Celle del 2° ordine: Sallen-key e MFB. Progetto di un filtro passa-alto; Celle del 2° ordine: Sallen-key e MFB. Progetto di un filtro passa-banda Sallen-key e MFB. Progetto di un filtro elimina-banda: Active Twin-T Filter; Active Wien-Robinson Filter. Front-end analogici basati su OPAMP a singola alimentazione: cella Sallen-key e non-inverting OPAMP a singola alimentazione. Soluzione TI basata su amplificatore differenziale. Monitoraggio del battito cardiaco fetale: cardiotocografia; cardiotocografo; limiti di sicurezza per i Doppler Fetal Heart Monitor. Soluzioni progettuali di FHM basati su tecnica ultrasonica: schema a 2 sensori; schema ad 1 sensore; schema di un fully digital FHR. Esempio di dispositivo commerciale. Fonocardiografia: suoni cardiaci; rilevazione dei suoni cardiaci tramite circuiti a microfono. Architettura di un monitor fetale basato su microfono e dettaglio di un circuito per front-end analogico microfonico. Cenni di cancellazione di rumore ambientale con tecnica numerica. Caso studio di un progetto completo di monitoraggio del battito cardiaco fetale. Tecnologia dei circuiti stampati: terminologia di un PCB; Interconnessioni Package-to-Board; through hole mounting; Surface-Mount device; Packages. Microcontrollori: differenze tra microcontrollori e microprocessori; architettura di un microcontrollore; ciclo di sviluppo del firmware; cenni su architetture ARM e soluzioni RISC; famiglie ed architetture ARM: il caso Cortex. Ambienti di sviluppo integrati; introduzione a mbed. Ambiente di sviluppo CUBEIde per microcontrollori della famiglia STM32. Ciclo di sviluppo del firmware: dal codice alla programmazione del microcontrollore. Struttura di un firmware: approccio "super-loop". APIs per uscite digitali; loop condizionali. Esempi di codice. Valori logici nominali di GPIO digitali di un microcontrollore. Pilotaggio di LEDs. Input digitali: switch e push_button (APIs per ingressi digitali). Digital-to-analog conversion con un microcontrollore: caso studio ed esempi di codice. Segnali PWM e generazione di "pseudo segnali analogici". Microcontrollori: Input analogici. Considerazioni sulla conversione AD ed API per ingressi analogici. Monitor seriale per debugging. Funzioni e codice modulare. Protocolli seriali: SPI. Esempio di utilizzo di Display. Protocollo SPI: API ed esempi di codice master-slave. Caso studio dell'accelerometro ADXL345. Protocollo di comunicazione I2C: diagrammi temporali. Esempi di codice master-slave. Protocolli di comunicazione seriali asincroni: UART. Gestione dei Task: event-triggered e time-triggered tasks. Tecnica del Polling. Interrupt API. Esempi di codice. Timer, Timeout e Ticker APIs. Pulsossimetria: cenni teorici di meccanismi di ossigenazione del sangue; il ciclo del sangue; ossiemoglobina e deossiemoglobina. Assorbimento spettrale e tecnica di misura dell'SpO2 tramite doppia sorgente luminosa. Rapporto di assorbimento e look-up table di conversione. Valutazione della variazione di ossigeno nell'emoglobina dovuta alla sola componente arteriosa. Valutazione della frequenza cardiaca a partire dal segnale fotopletismografico (PPG). Esempi di codice mbed per la rilevazione del segnale fotopletismografico. Pulsossimetri a trasmissione ed a riflessione. Introduzione al CHIP MAX30102. Procedura di calibrazione dei saturimetri: il caso Maxim Integrated. Architettura interna del chip MAX30102; descrizione dei blocchi funzionali e delle sue caratteristiche; struttura del registro FIFO; diagramma temporale in modalità multi-LED. Algoritmi di valutazione dell'HR e del SpO2. Minimal hardware requirement per il sensore MAX30102. Codice per la comunicazione con il sensore MAX30102 ed algoritmi di valutazione di HR e SpO2. Sismocardiografia: definizione; segnale balistocardiografico (BGC) e segnale sismocardiografico (SCG). Forme d'onda dei segnali BCG e SCG; posizionamento dei sensori; range di frequenze; signal processing; potenzialità e possibili applicazioni. Dispositivi MEMS: definizione e panoramica. Concetto di Inertial Measurements Unit (IMU). Il sensore MPU-6050: specifiche e caratteristiche dal datasheet; schematico elettrico di funzionamento; modalità di funzionamento; schema a blocchi. Esempio di applicazione con firmware per inviare stream di dati al pc. Monitoraggio elettrocardiografico: richiami su natura del segnale ECG; elettrodi; derivazioni frontali e precordiali. Fonti di rumore fisiologico ed extrafisiologico. Front-end analogico (AFE) per segnali ECG, soluzione con ADC a bassa risoluzione ed ADC ad alta risoluzione: schema a blocchi e considerazioni circuitali. Introduzione al AFE integrato AD8232 prodotto dalla Analog Devices. Struttura interna e funzionamento del circuito integrato AD8232. Configurazioni circuitali per diverse applicazioni. Codice per campionamento del segnale ECG. Cenni di Digital Signal Processing. Esempio di filtro IIR. Valutazione coefficienti di filtri numerici IIR e FIR con MATLAB filterDesigner. Algoritmi per la valutazione del HR variability: peak-detector; simple-derivative; first-derivative. Tecniche di EDGE-AI.

La valutazione è volta a determinare il grado di acquisizione da parte dello studente degli obiettivi formativi dell’insegnamento con particolare riferimento ai risultati di apprendimento attesi.

• “Fast and Effective Embedded Systems Design: Applying the ARM mbed” di Rob Toulson, Tim Wilmshurst.
• “Microcontrollers hardware and firmware for 8-bit and 32-bit devices” di Franco Zappa, Società Editrice Esculapio.
  Slide utilizzate durante le lezioni.
  Dispense, manuali e datasheet forniti attraverso il sito web docente e canale Teams del corso.

Conoscere i principi fondamentali delle comunicazioni wireless, con particolare riferimento alle applicazioni nelle neuroscienze. Familiarizzare con le soluzioni tecnologiche disponibili e con casi di studio nell'ambito delle neuroscienze. Essere in grado di eseguire il dimensionamento di un sistema di comunicazione wireless in una applicazione tipica delle neuroscienze.
Conoscenza e capacita' di comprensione: Lo studente deve comprendere le problematiche relative alle comunicazioni digitali su canale wireless in diversi scenari. Lo studente deve conoscere i principali standard di comunicazione wireless utilizzabili nell’ambito delle neuroscienze. Lo studente deve dimostrare di conoscere l’approccio Software-Defined Radio per la realizzazione di schemi di ricetrasmissione radio su dispositivi programmabili.
Capacita' di applicare conoscenza e comprensione: Lo studente deve essere in grado di dimensionare un sistema di comunicazione wireless in scenari applicativi tipici delle neuroscienze. Lo studente deve dimostrare di saper implementare i principali schemi di ricetrasmissione radio in un ambiente Software-Defined Radio.

Introduzione ai servizi di telecomunicazione ed ai loro requisiti prestazionali. Servizi e reti di telecomunicazioni. Architetture protocollari. Introduzione alle comunicazioni wireless. Principali standard wireless e loro applicazione nell’ambito delle neuroscienze. Tecniche di trasmissione dell'informazione. Principali parametri e misure di prestazioni dei servizi di rete (banda, efficienza energetica, latenza, data-rate, affidabilità). Schemi di modulazione per sistemi wireless. Modulazione multiportante. Tecniche di duplexing e di accesso multiplo. Dimensionamento e progettazione di massima (link budget) di un sistema di comunicazione wireless in uno scenario di interesse per le neuroscienze. Laboratorio Software-Defined Radio (SDR).

Capitoli selezionati dai seguenti testi:
A. Pattavina, Reti di Telecomunicazioni, 2nd ed., McGraw-Hill, 2007
J. G. Proakis, M. Salehi, Communication Systems Engineering, 2nd ed., Prentice-Hall, 2002
A. Goldsmith, Wireless Communications, Cambridge University Press, 2005

Il corso si propone di fornire un quadro generale approfondito sulle normative, le tecnologie, le modalità di trasmissione e di elaborazione dei dati, i servizi, e le problematiche nelle applicazioni di telemedicina, con riferimenti a casi clinici reali. Verranno in particolare presentate soluzioni di telemedicina utilizzate nella pratica medica e soluzioni commerciali.
Conoscenza e capacita' di comprensione: Lo studente sarà in grado di comprendere le problematiche nelle applicazioni di telemedicina ; inoltre sarà in grado di illustrare le principali normative; infine conoscerà le principali tecnologie, le modalità di trasmissione e di elaborazione dei dati, i servizi nell’ambito della telemedicina.
Capacita' di applicare conoscenza e comprensione: Lo studente sarà in grado di analizzare e valutare un applicazione di telemedicina; inoltre sarà in grado di impostare un progetto architetturale di una soluzione per telemedicina; infine sarà in grado di produrre un prototipo di tale soluzione

(1.5 CFU) Definizioni di telemedicina. Breve storia della telemedicina. Esempi di scenari tipici. Ambiti. Finalità. Classificazione dei servizi di telemedicina. Caratterizzazione di un servizio di telemedicina. Organizzazione di un servizio di telemedicina. Attori coinvolti. Informazioni sanitarie. Modelli organizzativi. (1.5 CFU) Quadro normativo di riferimento. Integrazione della telemedicina nel servizio sanitario nazionale. Centro servizi e centro erogatore. Modello di governance regionale delle iniziative di telemedicina. Remunerazione e valutazione economica dei servizi di telemedicina. Aspetti etici. Trattamenti di dati personali e di dati clinici con strumenti elettronici. (2 CFU) Hardware per applicazioni di telemedicina. Reti di dati sanitarie. Mezzi di trasmissione, topologie, elementi attivi e passivi. Reti cablate e Wireless. Bluetooth. RFID. Panoramica dei sensori biomedici usabili per telemedicina e m-Health (2 CFU) Software per applicazioni di telemedicina. Analisi dei requisiti mediante diagrammi UML. Applicazioni con protocollo HTTP. Richiami su interazione con basi di dati su web. Sicurezza dati in ambito sanitario. Fasi del progetto di un’applicazione web per telemedicina. (0.5 CFU) Piattaforme per applicazioni di telemedicina. Illustrazione di alcuni esempi in commercio. (1.5 CFU) Applicazioni di m-health. Intelligenza artificiale nei sistemi di telemedicina.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

• Appunti e slide dalle lezioni
• Andrew S. Tanenbaum, Reti di calcolatori, 2003
• Alberto Rosotti , INFORMATICA MEDICA, McGraw-Hill

L'insegnamento si propone di fornire agli studenti nozioni specialistiche relative al progetto e alla verifica di apparecchiature, impianti ed elementi architettonici di edifici sanitari, in modo che essi soddisfino la normativa tecnica italiana e tenendo conto del fatto che durante e dopo un terremoto tali edifici debbano rimanere operativi. Tali nozioni includono qualificazione sismica e identificazione dinamica, che danno agli studenti la possibilità di affrontare problemi di vibrazioni in maniera più ampia.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper comprendere le problematiche relative al progetto e alla verifica di apparecchiature, impianti ed elementi architettonici di edifici sanitari, in modo che essi soddisfino la normativa tecnica italiana e tenendo conto del fatto che durante e dopo un terremoto tali edifici debbano rimanere operativi. Tali problematiche includono qualificazione sismica e identificazione dinamica.
Capacita' di applicare conoscenza e comprensione: Il percorso formativo è orientato a trasmettere le capacità e gli strumenti metodologici e operativi necessari ad applicare le conoscenze relative al progetto e alla verifica di apparecchiature, impianti ed elementi architettonici di edifici sanitari ad una serie di campi professionali molto ampia, dalla progettazione, direzione lavori, direzione di cantiere e collaudo di appalti all’interno di edifici sanitari alla progettazione di apparecchiature, impianti ed elementi architettonici per aziende private.

Il programma del corso include una parte teorica di dinamica dei sistemi ed ingegneria sismica, a cui è possibile associare 4 CFU, ed una parte applicativa, progettuale, che comprende anche delle visite tecniche, alla quale corrispondono i restanti 5 CFU.
La parte teorica di dinamica dei sistemi include i seguenti argomenti: la soluzione del moto di un sistema ad un grado di libertà in oscillazioni libere, smorzate e non, oppure forzate con forza sinusoidale o qualsiasi; la dinamica dei sistemi a più gradi di libertà e la soluzione delle relative equazioni ricondotta a quella dei sistemi ad un grado di libertà. La parte teorica di ingegneria sismica include i seguenti argomenti: studio dell’origine dei terremoti e delle scale di intensità sismica, oltre ai concetti di progetto sismico prestazionale dei sistemi. Cenni verranno dati anche relativamente alla progettazione flessibile in ambiente ospedaliero, vale a dire capace di adattare l’ambiente ospedaliero ad una richiesta mutevole nel tempo, come nel caso di crisi pandemiche.
Le conoscenze teoriche acquisite danno la possibilità allo studente di affrontare la parte pratica/progettuale del corso, che prevede il calcolo della capacità e della domanda sismica di apparecchiature, impianti ed elementi architettonici di un edificio sanitario al fine di saperne condurre la verifica sismica in accordo alla normativa italiana. Ciò consente allo studente di acquisire anche le conoscenze per progettare, per le aziende produttrici, apparecchiature, impianti ed elementi architettonici per ambiente sanitario, antisismici. La parte applicativa include anche le seguenti attività: almeno una visita tecnica presso una struttura ospedaliera, nel corso della quale del personale competente illustri il funzionamento dei principali impianti, il sistema di gestione e controllo di gestione della struttura ospedaliera, e i progetti in itinere; visita al laboratorio nel caso di concomitanti esperienze sperimentali inerenti agli argomenti del corso.

Le prove intercorso nel loro complesso pesano per il 50% sul giudizio finale e sono relative alla parte progettuale del corso. Il restante 50% del giudizio finale è determinato dall'esame orale finale, che verte sulla parte teorica del corso. Nel caso uno studente non abbia condotto le prove intercorso, l'esame orale finale riguarda per il 50% la parte progettuale e per il restante 50% quella teorica.
Il corso è caratterizzato da almeno tre prove intercorso, l'ultima delle quali si tiene a fine corso, quelle precedenti una volta completati specifici argomenti progettuali. L'ultima prova intercorso pesa per il 25% sul giudizio finale, la media delle precedenti prove intercorso per un ulteriore 25%.

Il materiale didattico del corso è il seguente.

• Appunti delle lezioni.
• Testo dal titolo "Dinamica delle strutture", autore Roberto Ramasco, casa editrice CUEN.
• Testo dal titolo “Elementi di sismologia applicata all’ingegneria”, autori Ezio Faccioli, Roberto Paolucci, casa editrice Pitagora Editrice Bologna.
• Materiale postato sul sito del docente.

Obiettivo dell’insegnamento èdi fornire la conoscenza dei concetti di base e degli algoritmi per l’elaborazione di immagini digitali e presentare le principali tecniche per la codifica di immagini fisse e sequenze video, con particolare attenzione agli standard più comuni. Oltre a fornire gli strumenti matematici e concettuali per trattare analiticamente questi argomenti, il corso si propone di dare le conoscenze necessarie per sviluppare in Python i principali algoritmi per l’elaborazione delle immagini.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper comprendere gli strumenti metodologici per l’analisi e l’elaborazione delle immagini. Tali strumenti consentiranno agli studenti di risolvere problemi più complessi sia nel dominio dello spazio che nel dominio della frequenza.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di saper ragionare sulle problematiche riguardo l’analisi e l’elaborazione di immagini e di saper scegliere la tecnica più adatta per la risoluzione di un problema pratico.

Enhancement di immagini. Enhancement nel dominio spaziale. Trasformazioni basilari dell’intensità: operazioni puntuali lineari e non lineari. Equalizzazione dell’istogramma. Bit-plane slicing. Operazioni aritmetiche. Operazioni geometriche. Basi del filtraggio spaziale. Filtri di smoothing e di sharpening. Filtro mediano. Operazioni morfologiche. Enhancement nel dominio frequenziale. Trasformata di Fourier bidimensionale. DFT-2D. Esempi di filtro passa-basso e passa-alto. Filtraggio in frequenza: filtri ideali, filtri di Butterworth e filtri gaussiani.
Rappresentazione del colore. Cenni sul sistema visivo umano. Coni e bastoncelli. Sensibilità relativa dei coni di tipo S, M e L. Teoria tricromatica dei colori. Color matching. Gli spazi di colore (RGB, HSI). Pigmenti: colorazione sottrattiva, sistemi di stampa CMY, CMYK (quadricromia).
Segmentazione. Tecniche edge based. Point detection e line detection. Gradienti di Roberts, Prewitt e Sobel. Thresholding del gradiente. Zero-crossing del Laplaciano. Canny edge detector. Tecniche class-based. Algoritmo K-means.
Compressione di immagini. Codifica di sorgente. Generalità sulla compressione dati. La quantizzazione. Quantizzazione uniforme e non uniforme. Codifica predittiva. Schema del codificatore e decodificatore. Quantizzazione predittiva. Codifica mediante trasformata. Compattazione dell'energia e allocazione ottima delle risorse. Le trasformate lineari. Trasformata di Karhunen-Loéve e sue proprietà. Trasformata coseno discreta. Lo standard JPEG.
Codifica video. Generalità sul segnale video. Compressione spaziale e temporale. Conditional
replenishment e compensazione del movimento. Il codificatore ibrido. Cenni allo standard MPEG- 1 e MPEG-2. La scalabilità in risoluzione e in frame-rate.
Trasformata Wavelet. Localizzazione tempo-frequenza. Wavelet continua (CWT). Mother Wavelet. Analisi multirisoluzione, funzione di scaling. Equazioni MRA. Estensione al caso bidimensionale. Implementazione della trasformata wavelet discreta (DWT). Banco di filtri di analisi e sintesi. Codifica mediante Wavelet. Algoritmo EZW.
Applicazioni. Esempi di applicazioni avanzate per l’elaborazione di immagini: denoising, superrisoluzione, riconoscimento di volti o oggetti, classificazione mediante descrittori locali, segmentazione semantica, riconoscimento di manipolazioni nelle immagini e nei video anche con tecniche basate sull’apprendimento (cenni alle reti neurali convoluzionali).

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione
L’esame si articola in una prova scritta e una orale. La prova scritta, che consiste di tre algoritmi da sviluppare in Python al calcolatore, può essere sostituita dallo sviluppo di un progetto pratico in Python su un’applicazione avanzata di elaborazione di immagini. La prova orale consiste in due domande su problemi/algoritmi esposti al corso.

Libri di testo consigliati:
R.C.Gonzalez, R.E.Woods: “Digital image processing”, 3nd edition, Prentice Hall, 2008.
A.Bovik: “The essential guide to image processing”, Academic Press, 2009.
K.Sayood: “Introduction to data compression”, 2nd edition, Morgan Kaufmann, 2000.
Appunti del corso del docente: http://wpage.unina.it/verdoliv/esm/

L’insegnamento si propone di fornire agli studenti le nozioni specialistiche in Fisica Sanitaria. In particolare verranno approfonditi gli aspetti legati alla fisica delle radiazioni applicata sia alla radiodiagnostica che alla radioterapia. Verranno inoltre approfondite le tecniche di misura dosimetriche, atte a proteggere gli operatori, i pazienti e gli individui della popolazione dall’esposizione alle radiazioni ionizzanti.
Conoscenza e capacita' di comprensione: Il percorso formativo intende fornire agli studenti le conoscenze e gli strumenti metodologici necessari per analizzare l’impiego delle radiazioni in campo clinico dal punto di vista fisico e per comprendere le relazioni che sussistono tra l’aspetto tecnologico innovativo delle apparecchiature di radiodiagnostica e radioterapia e gli eventuali vantaggi in termini radioprotezionistici. Gli studenti dovranno dimostrare di saper comprendere le problematiche relative all’esposizione alle radiazioni dell’uomo sia in campo clinico che ambientale.
Capacita' di applicare conoscenza e comprensione: Il percorso formativo è orientato a favorire la capacità di utilizzare gli strumenti metodologici e operativi necessari ad applicare concretamente le conoscenze di base relative alle diagnostiche e alle terapie che utilizzano radiazioni, mediante l’utilizzo di metodi di calcolo di barriere di protezione anti X, di dispositivi di protezione individuali e collettivi, nonché di calcoli dosimetrici, atti a valutare l’impatto dell’esposizione alle radiazioni in campo clinico e ambientale. Gli studenti devono dimostrare di essere in grado di trarre le conseguenze di un insieme di informazioni ricevute nei diversi corsi in cui vengono descritte le radiodiagnostiche tradizionali e innovative. Dovranno inoltre acquisire le capacità necessarie per analizzare i diversi casi studio che un ingegnere biomedico si troverà ad affrontare in materia di protezione dalle radiazioni.

2 CFU
Radioattività naturale ed artificiale
Interazione radiazione-materia: fotoni, particelle alfa, neutroni
Caratteristiche fisiche dei fotoni, protoni, particelle cariche, neutroni e meccanismi di deposizione dell’energia nella materia
Sorgenti radioattive naturali ed artificiali
Attività di una sorgente radioattiva
Grandezze dosimetriche fisiche e radioprotezionistiche
Dose assorbita, equivalente, efficace
1CFU
Riferimenti normativi in materia di protezione dalle radiazioni ionizzanti
Danni biologici radioindotti
Modello LNT
2CFU
Contaminazione interna da radioisotopi in Medicina nucleare
Tempo di dimezzamento fisico, biologico ed effettivo
Dose impegnata
Il radon e i suoi effetti sulla salute dell’uomo
Dose collettiva
Esposizione ai NORM
1 CFU
Esposizione alla radioattività ambientale nello spazio
Schermature di protezione anti X primarie e secondarie
Schermature di protezione per neutroni
3CFU
Vantaggi e svantaggi dell’utilizzo delle più comuni radiodiagnostiche
Dosimetria in TC, PET, SPECT
SAR in RMN
Tecniche di dosimetria attive e passive
Dosimetria a termoluminescenza
Programma di Assicurazione della Qualità in Clinica Medica
Controlli di Qualità in Radiodiagnostica Tradizionale

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Power Point delle lezioni e D. Lgs. 101/2020

L'obiettivo del corso di Impianti di Elaborazione è fornire gli elementi metodologici per l'analisi e la valutazione quantitativa dei moderni sistemi di elaborazione, con particolare attenzione alle caratteristiche di prestazione, di affidabilità e di sicurezza. A tal fine, il corso presenta, da una prospettiva squisitamente ingegneristica, i seguenti argomenti:

• le metodologie di analisi delle prestazioni dei sistemi, quali la statistica inferenziale, la progettazione degli esperimenti (Design of Experiments), la caratterizzazione del workload e i modelli analitici a stati (catene di Markov, teoria delle code e reti di code);
• le metodologie e le tecniche di misura diretta dei sistemi di larga scala, come i data center e i sistemi per l'High Performance Computing, con particolare enfasi sulle metodologie e le tecniche di Field Failure Data Analysis;
• le metodologie e gli standard per la progettazione e la realizzazione dei sistemi safety-critical;
• i fondamenti della sicurezza dei sistemi di elaborazione (minacce, vulnerabilità e relativi sistemi di classificazione) e del cloud computing, con le relative implicazioni su prestazioni e affidabilità;
• le tecniche di business continuity e di disaster recovery per la gestione di un impianto di elaborazione.
  La parte applicativa del corso è dedicata alla valutazione sperimentale delle prestazioni di sistemi reali, condotta durante le esercitazioni (capacity test, caratterizzazione del workload e progettazione degli esperimenti su un web server), e all'analisi di dati di guasto finalizzata alla valutazione dell'affidabilità di sistemi reali di larga scala (data center o sistemi per l'High Performance Computing).
  Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e comprendere le problematiche relative all'analisi delle prestazioni, dell'affidabilità e della sicurezza dei sistemi di elaborazione, con particolare riferimento alle tecniche statistiche di valutazione, all'experimental design, ai modelli analitici (catene di Markov, teoria delle code e reti di code) e alle tecniche di misura diretta. Lo studente deve inoltre dimostrare di conoscere i fondamenti dell'ingegneria dei sistemi safety-critical (analisi degli hazard, identificazione e gestione dei rischi, FMEA e standard di riferimento), i concetti fondamentali della sicurezza informatica (minacce, vulnerabilità e relative tecniche di classificazione e scoring) e del cloud computing, nonché i principi di business continuity e disaster recovery.
  Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di: valutare e confrontare le prestazioni e l'affidabilità di due o più sistemi di elaborazione mediante tecniche statistiche e progettazione degli esperimenti; caratterizzare il workload di un sistema reale; modellare e valutare l'affidabilità di un sistema mediante Reliability Block Diagram, Fault Tree e modelli a stati; applicare la metodologia di Field Failure Data Analysis ai log di sistemi reali di larga scala (data center o sistemi per l'High Performance Computing); definire strategie di backup e piani di disaster recovery.

Introduzione alla valutazione dei sistemi di elaborazione. Attributi di prestazione e di dependability. Approcci alla valutazione: misura diretta, modelli analitici e simulazione. Le fasi di uno studio di valutazione e gli errori più comuni.
Workload e tecniche di caratterizzazione. Tipologie di workload. Application benchmark e criteri per la selezione del workload. Tecniche di caratterizzazione del workload: averaging, istogrammi a uno e a più parametri, Principal Component Analysis, modelli di Markov e clustering gerarchico.
Fondamenti di statistica inferenziale applicata all'ingegneria dei sistemi di elaborazione. Indici di tendenza centrale e di dispersione. Analisi delle distribuzioni dei dati. Intervalli di confidenza e confronto tra alternative. Determinazione della dimensione del campione. Test di ipotesi. Modelli di regressione: la regressione lineare, stima dei parametri, predizione, allocazione della variazione e verifica delle assunzioni.
Design of Experiments. Simple design, full factorial design e fractional factorial design. Progetti fattoriali 2 k , 2 k r e 2 k-p . Esperimenti a uno e a due fattori. ANOVA. Tool per l'elaborazione statistica dei dati: MATLAB (Statistics Toolbox) e JMP.
Modelli analitici per l'analisi delle prestazioni. Catene di Markov a tempo discreto e a tempo continuo. Teoria delle code: sistemi a singolo servente, sistemi multi-servente e sistemi con blocco. Reti di code: reti aperte (reti di Jackson), reti chiuse (reti di Gordon-Newell) e algoritmo di Mean Value Analysis. Esercitazioni su casi di studio.
Analisi dell'affidabilità di un impianto di elaborazione. Tassonomia della dependability: fault, error e failure; attributi (reliability, availability, safety) e relative misure (MTTF, MTTR, availability). Sistemi riparabili e non riparabili. Tecniche di fault avoidance e di fault tolerance. Ridondanza hardware: duplicazione, Triple Modular Redundancy e N-Modular Redundancy. Strategie di fault tolerance software: process pairs, robust data structures, N-Version Programming e Recovery Blocks.
Modelli per la valutazione dell'affidabilità. I modelli combinatoriali: Reliability Block Diagrams e Fault Trees. Modellazione e valutazione di un TMR. Esempi di modellazione di sistemi reali (es. reti di comunicazione bancarie e velivoli).
Metodi e tecniche di Field Failure Data Analysis. La FFDA nel contesto del data mining. Data collection. Data filtering. Data correlation e coalescence. Failure analysis di sistemi di larga scala. Casi di studio reali ed esercitazione pratica con toolset dedicato.
Sistemi safety-critical. Definizione di hazard e di rischio. Hazard analysis. La FMEA. Risk analysis e management. Standard per la safety: IEC 61508, DO-178B, CENELEC EN 50128.
Sicurezza dei sistemi di elaborazione. Le proprietà di confidenzialità, integrità e disponibilità. Minacce e threat landscape. Vettori di attacco. Vulnerabilità hardware, software e dei dati. Enumerazione e scoring delle vulnerabilità (CVE, CVSS). OWASP Top 10. Cenni alle tecniche di rilevazione automatica delle vulnerabilità nel codice.
Cloud computing. Definizione e caratteristiche essenziali. Modelli di servizio (IaaS, PaaS, SaaS) e modelli di deployment. Elasticità rapida, elasticity failure e dimensionamento della capacità. Implicazioni su prestazioni e affidabilità dei servizi cloud.
Business continuity e disaster recovery. Concetti di business continuity e disaster recovery. Piani di BC e di DR: definizione, testing e manutenzione. Strategie e tecnologie di backup: backup full, incrementale e differenziale. Tecniche di restore.

La valutazione finale si basa su un colloquio orale e sulla discussione di un elaborato progettuale. Il colloquio orale verte sugli argomenti del programma ed è volto ad accertare la conoscenza e la padronanza delle metodologie di valutazione quantitativa delle prestazioni, dell'affidabilità e della sicurezza dei sistemi di elaborazione. Nella valutazione dell'elaborato progettuale si tiene conto della correttezza metodologica, della qualità dell'analisi sperimentale e dei dati, e della capacità di interpretare criticamente i risultati ottenuti.

Libri di testo:

• Raj Jain, The Art of Computer Systems Performance Analysis, Wiley
• Douglas C. Montgomery, George C. Runger, Applied Statistics and Probability for Engineers, Wiley
• Kishor Trivedi, Andrea Bobbio, Reliability and Availability Engineering, Cambridge University Press
  Dispense didattiche (consultabili dal sito del corso): dispense e presentazioni fornite dal docente relative agli argomenti teorici e applicativi trattati nel corso.

Fornire allo studente conoscenze degli impianti elettrici e delle problematiche di sicurezza nei locali medici.
Conoscenza e capacita' di comprensione: Conoscenze e capacità di comprensione di tematiche che estendono le nozioni di principi di ingegneria elettrica ad applicazioni in ambito medico e ospedaliero.
Capacita' di applicare conoscenza e comprensione: Capacità di applicare le conoscenze acquisite alla complessità impiantistica e di sicurezza elettrica dell’ambito ospedaliero.

(5 CFU) Principali componenti di un impianto elettrico. Principi di dimensionamento degli impianti elettrici. Protezione contro i guasti degli impianti elettrici. Impianto elettrico nei locali medici. Approfondimento normativa: sezione 710 della norma CEI 64-8. Verifiche di sicurezza. Alimentazione di sicurezza.
(3 CFU). La sicurezza elettrica negli impianti ospedalieri.
(1 CFU) Gestione energetica negli impianti ospedalieri: soluzioni innovative per sistemi integrati di produzione da fonti rinnovabili, sistemi di accumulo e cogenerazione. Esempi progettuali di impianti elettrici ospedalieri.

Il voto è formulato dalla Commissione d'esame sulla base dell'adeguatezza delle risposte fornite dallo studente ai quesiti che gli sono stati formulati. Il voto finale è, inoltre, opportunamente motivato allo studente.

Fondamenti di sicurezza elettrica, Vito Carrescia, Ed. TNE;
N.11 • LOCALI MEDICI Guide Blu, Tutto Normel (3/2021);
Manuale di Impianti Elettrici, Progettazione, realizzazione e verifica delle installazioni elettriche in conformità con le norme tecniche e di legge”, Gaetano Conte HOEPLI.
Impianti Elettrici, Fellin Lorenzo, Benato Roberto Wolters Kluwer Italia, seconda edizione, 2026.
Per approfondimenti: Electric Power Principles, J.L. Kirtley, Wiley
Locali ad uso medico (Norma CEI 64-8/7 Sezione 710)

Il corso mira a fornire i concetti di base riguardanti le finalità, le tipologie ed il funzionamento degli impianti tecnologici impiegati nelle strutture sanitarie, evidenziando le prescrizioni normative ed i criteri per la gestione in condizioni di sicurezza.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e comprendere gli elementi di base degli impianti termotecnici e di distribuzione dei gas medicinali a servizio delle strutture sanitarie e le normative di riferimento.
Capacita' di applicare conoscenza e comprensione: Lo studente deve essere in grado di valutare le condizioni ambientali, intervenire in caso di anomalie e mostrare la capacità di implementare, secondo la normativa vigente, i modelli di analisi e di calcolo necessari.

Introduzione agli impianti, qualità degli ambienti indoor (IEQ), ambienti termici e qualità dell’aria (4CFU):
Ambienti termici. Bilancio di energia sul corpo umano, sistema di termoregolazione. Comfort termico, ambienti termici moderati, indici di valutazione del comfort globale e localizzato, normativa di riferimento. Ambienti severi caldi e freddi, indici di valutazione, normativa diriferimento. Protocolli per la valutazione degli ambienti termici moderati e severi. Modelli di termoregolazione, applicazioni.
Qualità dell’aria indoor (IAQ) (5CFU):
Principali inquinanti esterni e interni, unità di misura, concentrazioni limite ed esposizione. Miglioramento dell’IAQ, rimozione delle fonti, rimozione dell’inquinante alla fonte, diluizione. Ventilazione degli ambienti, naturale e forzata. Purificazione dell’aria, filtrazione, sterilizzazione. Impianti di condizionamento dell’aria. Generalità, dimensionamento di massima, componenti. Schemi d’impianto. Centrale termica, produzione di acqua calda e acqua calda sanitaria, trattamenti sulle acque. Produzione di acqua fredda, ciclo frigorifero e raffreddamento evaporativo. Impianti di distribuzione dei gas medicinali e del vuoto, impianto di estrazione dei gas anestetici, gestione, normativa.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Dispense distribuite dal docente.

Il corso ha lo scopo di applicare le tecniche delle misure elettroniche ad una problematica di rilievo. I principali obiettivi formativi riguardano la capacità di specificare, concepire, progettare, implementare, testare, e qualificare un sistema di misura comprensivo di acquisizione ed elaborazione dati, nonché di un software strettamente legato al protocollo sperimentale, relativamente alle nuove interfacce uomo-macchina. Si insisterà altresì su multidisciplinarità e team-working.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper analizzare i requisiti, progettare concettualmente e fisicamente, testare e validare la catena di misura di un'interfaccia cervello-computer. Deve dimostrare di avere una conoscenza approfondita delle metodologie impiegate per affrontare un problema pratico di misura ed adottare un linguaggio tecnico appropriato. Deve inoltre essere in grado di lavorare all’interno di un gruppo multidisciplinare in un ambiente che simula una piccola azienda di ricerca e sviluppo.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di gestire una commessa affidata ad un gruppo di ricerca e sviluppo, di coglierne sia gli aspetti tecnologici che economici, nonché essere in grado di gestire le risorse a disposizione per portare a termine il compito assegnato. Il percorso formativo èorientato a trasmettere le capacità, gli strumenti metodologici e gli strumenti operativi necessari a trasferire le conoscenze acquisite, con particolare riferimento al campo delle misure, verso uno scenario applicativo di matrice biomedicale ed affrontare problematiche rilevanti su tematiche di frontiera.

1. TELEMONITORAGGIO E SANITA' 4.0
Concetti generali : monitoraggio avanzato e diagnostica intelligente. Architettura dei sistemi di telemonitoraggio e telemisura: basate su micro-controllori on-chip, su palmari/smartphone, su webservice e PC. Cenni alla sensoristica dell’Internet of Things (IoT) e Internet of Everything (IoE). Panoramica dei protocolli di comunicazione: Near Field Communications, SubGHz, Narrow Band IoT, LoRa e SigFox. Quarta rivoluzione industriale e focus su Health 4.0.
2. INTERFACCE UOMO-MACCHINA
Microcontrollori per acquisizione dati : richiami di architettura di un microcontrollore, componenti logici e fisici, analisi delle specifiche; programmazione a livello registri, ambienti di sviluppo ed esempi, schede per espansione delle funzionalità: sensori MEMS e comunicazione Bluetooth low energy.
Brain-computer interface : architettura di principio delle interfacce cervello-computer (BCI). Tassonomia dei sistemi BCI: invasivi, parzialmente invasivi, e non invasivi; attivi e passivi; endogeni ed esogeni. Prodotti e tecnologie del mercato di oggi. Principi di etica dell’interazione cervello-computer. Hardware di acquisizione dell’attività cerebrale: tecniche di neuroimaging ed elettroencefalografia, strumentazione indossabile, panoramica di mercato, prestazioni e caratterizzazione metrologica.
Physical Artificial Intelligence : generalità sull’elaborazione di segnali cerebrali per BCI, tecniche di rimozione degli artefatti, tecniche di estrazione delle caratteristiche sintetiche, approcci alla classificazione e reti neurali. Misura di potenziali evocati visivi. Misura dell’immaginazione motoria.
Esercitazioni : sviluppo di applicativi per microcontrollore con accensione di LED, pressione di pulsanti e utilizzo dell’interrupt. Acquisizione di segnali elettroencefalografici con sistemi di acquisizione indossabili e portabili. Elaborazione di segnali cerebrali tramite l’analisi di Fourier e della densità spettrale di potenza. Analisi temporale dei fenomeni di sincronizzazione e desincronizzazione neuronale nell’immaginazione motoria. Approccio di elaborazione e classificazione basato su FBCSP. Elaborazione online di segnali di immaginazione motoria in Matlab/Simulink.
3. APPLICATIVO DI MISURA 4.0 BASATO SU BCI ATTIVO EMBEDDED
Principi di project management : Pianificazione dell’attività prototipale: attività e relativi work- packages, tasks, milestones, deliverables, diagramma di Gantt. Analisi di mercato. Trasformazione delle richieste di un committente in una offerta commerciale. Stesura documentazione. Time management.
Sviluppo applicativo : analisi dei requisiti dell’applicazione. Progettazione concettuale e fisica del sistema di acquisizione ed elaborazione dei dati cerebrali. Progettazione concettuale e implementazione con i servomotori di un braccio robotico. Integrazione sistema BCI per controllo del braccio robotico. Debug e test. Integrazione e prove di validazione. Stesura della documentazione finale e realizzazione della presentazione del prototipo agli stake-holders del processo.
Esercitazioni: sviluppo di un applicativo per microcontrollore per il controllo di servomotori. Controllo tramite interfaccia BCI embedded di un sistema per applicazioni in ambito biomedicale.

L’elaborato progettuale sarà monitorato durante lo svolgimento del corso e discusso al suo termine ai fini dell’esame. Alla discussione saranno affiancate anche domande di teoria volte a sondare le conoscenze acquisite dagli allievi. L’esito finale dell’esame sarà prevalentemente determinato sulla base dell’elaborato progettuale discusso. Le domande di teoria avranno un peso pari circa al 10 % del voto finale.

M. Rüßmann, et al, “Industry 4.0: The Future of Productivity and Growth in Manufacturing Industries”. Boston Consulting Group, 2015.
A.E. Hassanien and A. A. Azar, “Brain-computer interfaces”. Switzerland, Springer, 2015.
J. Wolpaw, and E. Winter Wolpaw, eds, “Brain-computer interfaces: principles and practice”. OUP USA, 2012.
D. Bansal, and M. Rashima, “EEG-Based Brain-Computer Interfaces: Cognitive Analysis and Control Applications”. Academic Press, 2019.
P. Arpaia, A. Esposito, L. Gargiulo, and N. Moccaldi, “Wearable Brain-Computer Interfaces: Prototyping EEG-Based Instruments for Monitoring and Control”. CRC Press, 2023.
Application notes costruttori.
Manuali componenti, demo boards e applicativi.
Slide docenti.
Appunti dalle lezioni.

Fornire gli strumenti metodologici e le conoscenze di carattere teorico-numerico per l’analisi delle principali tecniche di ipertermia a radiofrequenze con e senza l’impiego mezzi di contrasto modulabili.
Fornire gli strumenti metodologici e le conoscenze di carattere teorico, numerico per l’analisi di tecniche di diagnostica medica, di recente concezione, basate sull’uso di campi elettromagnetici e nano-compositi quali mezzi di contrasto modulabili.
Fornire gli strumenti metodologici e le conoscenze di carattere teorico-numerico e sperimentale per l’analisi, la
progettazione e l’ottimizzazione dei sistemi impiegati nelle applicazioni di ipertermia e diagnostica medica di cui sopra.
Le conoscenze acquisite verranno consolidate attraverso l’utilizzo di CAD ed esperienze di laboratorio.
Conoscenza e capacita' di comprensione: Acquisizione delle conoscenze di base e del principio di funzionamento dell'ipertermia per applicazioni terapeutiche, con particolare riferimento alle tecniche basate su tecnologia magnetica e a radiofrequenze, con e senza l'impiego di mezzi di contrasto.
Acquisizione delle conoscenze di base e del principio di funzionamento di tecniche di diagnostica medica di recente concezione, basate su tecnologia a microonde, con e senza l'impiego di mezzi di contrasto.
Acquisizione dei concetti base e dei principi di funzionamento dei sistemi impiegati nell'ipertermia magnetica e a radiofrequenze, nonchè dei sistemi impiegati nelle tecniche diagnostiche di cui prima.
Capacita' di applicare conoscenza e comprensione: Lo studente dovrà essere in grado di progettare, a livello di schema a blocchi, apparati di ipertermia magnetica a microonde e radiofrequenza e di ottimizzarne le prestazioni.

Richiami di elettromagnetismo e concetti di base:
Teorema di riflessione temporale. Teorema di reciprocità. Diffusione elettromagnetica da oggetti dielettrici. Formulazione integrale del problema della diffusione elettromagnetica. Principali modelli di diffusione del calore nei tessuti biologici (bio-heat equations).
Ipertermia a radiofrequenze:
Richiami sulle applicazioni cliniche e sul principio di funzionamento. Ipertermia a radiofrequenze localizzata mediante focalizzazione della radiazione elettromagnetica prodotta da una schiera di antenne. Principali metodi di focalizzazione: non vincolata; con vincoli sulla potenza massima consegnata ai tessuti sani; guidata, mediante l’impiego di nano-compositi quali agenti di contrasto modulabili. Identificazione dei parametri di progetto e scelta del layout ottimale (tipo, numero e posizione degli elementi radianti) dei sistemi di esposizione. Analisi e ottimizzazione delle caratteristiche radianti di tali sistemi mediante ausilio di CAD numerici.
Ipertermia magnetica:
Principio di funzionamento dell’ipertermia magnetica e principali applicazioni cliniche. Apparati di esposizione. Studio e modellizzazione teorica delle proprietà magnetiche delle nanoparticelle impiegate nell’ipertermia magnetica. Criteri di scelta ottima delle condizioni di esposizione e validazione numerica mediante ausilio di CAD multi-fisici e fantocci numerici antropomorfi. Metodi di costruzione di fantocci numerici antropomorfi.
Applicazioni dei mezzi di contrasto modulabili alla diagnostica medica:
Caratterizzazione della risposta a radiofrequenze di differenti nano-compositi, impiegati come agenti di contrasto modulabili, in differenti condizioni di modulazione, mediante tecnica di misura differenziale. Diagnostica a microonde (nel dominio del tempo e della frequenza, ultra wide-band e a singola frequenza), mediante impiego nano-compositi come mezzi di contrasto modulabili, per applicazioni in ambito oncologico. Validazione sperimentale delle tecniche di diagnostiche studiate, mediante l’impiego di fantocci mimanti le proprietà elettriche dei tessuti. Principio di funzionamento e relativi sistemi di esposizione della Magnetic Particle Imaging (MPI) e della microwave induced thermo-acoustic imaging (MI-TAI).

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Libri di testo: "Magnetic Nanoparticle Hyperthermia. In: Crocco L., Karanasiou I., James M., Conceição R. (eds) Emerging Electromagnetic Technologies for Brain Diseases Diagnostics, Monitoring and Therapy, pp. 129-191, Springer, Cham. (ISBN: 978-3-319-75006-4)"
Pubblicazioni scientifiche, fornite durante le lezioni.
Appunti delle lezioni.

Fornire le competenze metodologiche, teoriche e pratiche necessarie per lo sviluppo di progetti software di piccole e medie dimensioni utilizzando il linguaggio di programmazione Python. Il corso copre i fondamenti della programmazione procedurale e orientata agli oggetti e le basi dell'analisi dei dati e del machine learning, preparando gli studenti a gestire vari aspetti dello sviluppo software.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e comprendere i problemi di programmazione nell'ambito di applicazioni in linguaggio Python. Il percorso formativo fornisce agli studenti le conoscenze e gli strumenti metodologici, teorici e pratici necessari per riconoscere, analizzare e risolvere problemi legati allo sviluppo, debugging e testing di applicativi complessi. Questo consente agli studenti di padroneggiare lo sviluppo di progetti software avanzati in Python.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di risolvere problemi di programmazione procedurale e orientata agli oggetti, nonché di analisi dei dati, utilizzando le competenze metodologiche, teoriche e pratiche acquisite durante il corso. Lo studente deve essere in grado di sviluppare applicazioni basate sul paradigma ad oggetti e per l’analisi di dati in Python. Inoltre, deve saper utilizzare strumenti e le librerie Python per implementare tecniche di machine learning e analisi dei dati.

Parte I: Fondamenti di Programmazione con Python
Introduzione ai linguaggi di programmazione e a Python. Variabili, espressioni e istruzioni. Valori e tipi di dato. Principali costrutti di programmazione, incluse stringhe, liste, tuple, set e dizionari. Espressioni condizionali in-line. Funzioni e il passaggio di parametri. Ricorsione. Uso dei decoratori. Moduli e ambienti virtuali. Gestione dei file. Eccezioni e asserzioni. Debugging e Testing.
Parte II: Programmazione Avanzata in Python
Introduzione al paradigma orientato agli oggetti (OO). Creazione e gestione di classi e oggetti. Ereditarietà e polimorfismo. Introduzione ai tipi di dati astratti. Principi e tecniche di programmazione concorrente. Programmazione di rete. Complessità temporale ed algoritmi di ricerca e ordinamento.
Parte III: Analisi dei Dati e Machine Learning con Python
Fondamenti di Data Science utilizzando Python. Utilizzo delle librerie Pandas, Matplotlib, Numpy e Scipy. Caratterizzazione dei dati e test di ipotesi in Python. Introduzione ai concetti di machine learning in Python. Tecniche di classificazione e regressione. Utilizzo della libreria scikit-learn. Applicazioni pratiche.

L'esito della prova scritta è vincolante ai fini dell'accesso alla prova orale.
La prova scritta valuterà la conoscenza teorica e pratica degli argomenti trattati, mentre la prova orale valuterà la capacità di discutere le soluzioni adottate.
Prova al calcolatore di un progetto software in Python, discussione orale, discussione dell'elaborato di data science.

Slide del corso. Codice sviluppato durante le esercitazioni guidate. Esercitazioni pratiche e progetti su piattaforme come Jupyter Notebook e Google Colab. Documentazione online di librerie Python.

Il corso si propone di presentare le principali tecniche di macchine learning, coprendo tutti gli aspetti dalla preparazione dei dati alla valutazione delle prestazioni, attraverso esercitazioni pratiche con strumenti commerciali e/o open-source. Viene, inoltre, fornita un'introduzione al ciclo di vita dei Big Data e della Data Analytics, che riguarda la progettazione di database distribuiti ed il processo di modellazione, acquisizione, condivisione, analisi e visualizzazione delle informazioni contenute nei Big Data.
Conoscenza e capacita' di comprensione: Lo studente deve conoscere i principali algoritmi di Machine Learning (ML) e deve dimostrare di saper scegliere l'algoritmo di ML più adatto a risolvere un problema specifico, in base ai requisiti del problema stesso. Lo studente deve conoscere le tecniche da utilizzare per valutare correttamente le prestazioni degli algoritmi di ML.
Capacita' di applicare conoscenza e comprensione: Inoltre, lo studente deve conoscere i principali framework di Big Data per acquisire, modellare, condividere, analizzare e visualizzare grandi quantità di informazioni. Lo studente deve inoltre dimostrare di essere in grado di scegliere il framework più adatto per affrontare i diversi task.

Topics:

• Introduction to Artificial Intelligence (AI)
• Introduction to Business Intelligence
• BI tools overview
• Introduction to Big Data
• Hadoop &MapReduce
• Languages for data analysis (SQL recap, Pig Latin and HQL)
• Analytics with Pig and Hive
• NoSQL Databases
• From BI to Big Data Analytics and AI
• Overview on Machine Learning techniques supporting AI
• Google Colab for developing Big Data Analytics applications

La valutazione sarà relativa all'elaborato progettuale discusso (40%) e discussione orale (60%)

Textbooks:
1)Alessando Rezzani, Big Data Analytics. Il manuale del data scientist”,Apogeo (Maggioli), 2017.
2)Andrea De Mauro, Big Data Analytics, Apogeo, 2019.
3) J. Leskovec, A. Rajarman, J.D.Ullman, Mining of Massive Datasets, 2014 (on line book).
Course Slides Lecture notes

Obiettivo dell’insegnamento è quello di fornire adeguate conoscenze e competenze specialistiche riguardo l’organizzazione, il controllo e la gestione delle strutture e dei sistemi sanitari, nonché riguardo le tecniche di elaborazione, analisi e rappresentazione di dati, servizi e processi sanitari.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere, saper comprendere, saper elaborare in maniera critica i concetti concernenti l’organizzazione sanitaria e le problematiche ad essa connesse. Lo studente deve inoltre dimostrare di sapere elaborare argomentazioni concernenti le principali metodologie di analisi di dati e processi sanitari.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di applicare e gli strumenti metodologici, le conoscenze, le capacità e le abilità apprese nella elaborazione di soluzioni connesse a problemi riguardanti l’organizzazione e automazione sanitaria nonché nella risoluzione di esercizi e problemi riguardanti l’analisi di dati e processi sanitari.

(2 cfu) Sistemi Sanitari. Introduzione al Servizio Sanitario Nazionale (SSN). Riferimenti normativi e loro evoluzione. Organizzazione delle Aziende Sanitarie Locali e delle Aziende Ospedaliere. Finanziamento del SSN. Requisiti minimi per l’autorizzazione e l’accreditamento delle strutture sanitarie. Evoluzione del concetto di qualità in sanità. Introduzione ai sistemi di certificazione della qualità.
(3 cfu) Management delle organizzazioni e dei processi sanitari. Introduzione alla gestione delle organizzazioni sanitarie. Evoluzione, misura e rappresentazione della salute. Analisi e gestione del rischio in sanità (Risk Management). Gli indicatori sanitari (indicatori di esito/processo, di volume, di ospedalizzazione) e il Programma Nazionale Esiti. Visualizzazione di dati e indicatori sanitari. Principi di Economia Sanitaria. Activity Based Costing. Fondamenti di project management. Approcci per l’analisi e l’ottimizzazione dei processi sanitari. Lean e Six Sigma in sanità. Laboratorio pratico di progettazione e analisi di modelli sanitari.
(4 cfu) Analisi statistica dei dati sanitari. Introduzioni all’analisi statistica descrittiva e inferenziale. Termini tecnici in epidemiologia. Distribuzioni di dati. Stime dei parametri delle distribuzioni. Test parametrici (t-test, ANOVA, coefficienti di correlazione), test non parametrici (UMann Withney, Kruskal Wallis, Wilcoxon, test dei segni, test delle successioni). Tassi e proporzioni. Outlier, agreement, tecniche di regressione. Laboratorio pratico di analisi statistica di dati sanitari.

“Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione”

Appunti delle lezioni.
Testi consigliati:

• Glantz, S. A. (2003). Statistica Per Discipline Biomediche.
• Riferimenti e documentazione disponibile sul portale del Ministero della Salute riguardo l’organizzazione e il funzionamento del SSN.
• Riferimenti e documentazione disponibile sul portale dell’AGENAS riguardo gli indicatori del Programma Nazionale Esiti.
• Ministero della Salute (2012). Manuale di formazione per il governo clinico: monitoraggio delle performance cliniche. Dipartimento della Programmazione e dell’ordinamento del Servizio Sanitario Nazionale
• Direzione Generale Della Programmazione Sanitaria Ufficio III ex DG.PROG.
• Ministero della Salute (2003). Risk Management in Sanità: il problema degli errori. Commissione Tecnica su Rischio Clinico. Decreto Ministeriale n.5.
• Guarneri, C. (2016). La Qualità in Sanità: certificazione ISO 9001 e miglioramento continuo. Editore: ebookecm.it.
• Associazione Italiana Ingegneri Clinici AIIC (2009). Il ruolo dell’Ingegnere Clinico nel Servizio Sanitario Nazionale.
• Associazione Italiana Ingegneri Clinici AIIC (2015). Fondamenti di Project Management. Appunti del Corso N.6 del XV CONVEGNO NAZIONALE AIIC.
• Associazione Italiana Ingegneri Clinici AIIC (2016). Enterprise Risk Management in sanità: strumenti e modelli organizzativi per la prevenzione degli errori. XVI CONVEGNO NAZIONALE AIIC.
  Risorse online suggerite:
• https://www.salute.gov.it/
• https://www.salute.gov.it/portale/ministro/p4_5_2_6.jsp?lingua=italiano&label=cenniStorici&menu=cenniStorici
• https://www.salute.gov.it/portale/ministro/p4_5_5_1.jsp?lingua=italiano&label=org&menu=organizzazione
• https://www.salute.gov.it/portale/ministro/p4_5_2_5.jsp?lingua=italiano&label=organi&menu=organi
• https://www.salute.gov.it/portale/ministro/p4_5_2_7.jsp?lingua=italiano&label=consigliosuperioresanita&menu=consigliosuperioresanita
• https://www.salute.gov.it/portale/ministro/p4_5_2_5_1.jsp?lingua=italiano&label=organi&menu=organi&id=1290
• https://www.salute.gov.it/portale/ministro/p4_10_1_1.jsp?lingua=italiano&label=trasparenza7&id=1077&menu=trasparenza
• https://www.iss.it/
• https://www.agenas.gov.it/
• https://www.aifa.gov.it/
• https://www.cri.it/
• https://www.salute.gov.it/portale/temi/p2_6.jsp?lingua=italiano&id=760&area=sicurezzaAlimentare&menu=vuoto
• https://www.salute.gov.it/portale/temi/p2_6.jsp?lingua=italiano&id=794&area=Ricerca%20sanitaria&menu=ssn&tab=2
• https://www.statoregioni.it/
• https://www.statoregioni.it/it/presentazione/attivita/conferenza-stato-regioni/
• https://www.salute.gov.it/portale/lea/homeLea.jsp
• https://www.salute.gov.it/portale/lea/dettaglioContenutiLea.jsp?lingua=italiano&id=5073&area=Lea&menu=vuoto
• https://www.salute.gov.it/portale/lea/menuContenutoLea.jsp?lingua=italiano&area=Lea&menu=leaEssn
• https://pne.agenas.it/
• https://pne.agenas.it/main/doc/Report_PNE_2020.pdf
• https://pne.agenas.it/main/doc/fonti_informative.pdf
• https://pne.agenas.it/main/doc/metodi_statistici.pdf
• https://www.epicentro.iss.it/politiche_sanitarie/pne-2020
• http://www.salute.gov.it/portale/lea/menuContenutoLea.jsp?lingua=italiano&area=Lea&menu=monitoraggioLea
• http://www.salute.gov.it/portale/lea/dettaglioContenutiLea.jsp?lingua=italiano&id=5238&area=Lea&menu=monitoraggioLea
• http://www.salute.gov.it/imgs/C_17_pubblicazioni_640_allegato.pdf
• https://www.aiic.it/wp-content/uploads/2013/05/Il-ruolo-dellIngegnere-Clinico-nelServizioSanitario-Nazionale.pdf
• https://www.aiic.it/wp-content/uploads/2016/01/C6-Cagliari-2015.pdf
• https://www.aiic.it/wp-content/uploads/2017/03/Dispensa-C2-2016.pdf

Fornire gli strumenti di modellazione ed i metodi di analisi teorica e numerica per affrontare lo studio dei fenomeni legati al comportamento meccanico dei tessuti biologici alle diverse scale, con riferimento particolare ai processi di rimodellamento, crescita e morfogenesi, nonché alla progettazione ottimale di impianti protesici tramite la definizione di strategie ingegnerizzate basate sulla caratterizzazione biomeccanica dell’interazione protesi-tessuto.
Conoscenza e capacita' di comprensione: Lo studente acquisirà strumenti analitici e tecniche computazionali e sperimentali per la caratterizzazione meccanica di diversi tipi tessuti biologici, sfruttando le conoscenze trasmesse nell’ambito della teoria lineare e non lineare dei mezzi continui. Tali nozioni forniranno allo studente la capacità di comprendere l’analisi integrata della risposta meccanica dei tessuti, in termini di stress e deformazione, includendo altresì processi caratteristici di crescita e rimodellamento, affrontati fornendo basi teoriche per l’implementazione di modelli evolutivi accoppiati.
Capacita' di applicare conoscenza e comprensione: Le capacità e le conoscenze acquisite durante il corso saranno applicabili allo studio di sistemi complessi nell’ambito della meccano-biologia, per la comprensione dei fenomeni multi-fisici che caratterizzano i tessuti biologici alle diverse scale. Le conoscenze fornite saranno inoltre applicabili nell’ambito a problemi ingegneristici di design di impianti protesici con proprietà meccaniche e microstrutturali ottimali, nonché alla definizione di modelli per analizzare la risposta adattativa di un tessuto in risposta all’inserimento di un impianto o ad un trattamento nell'ambito della medicina di precisione.

Il corso è suddiviso in due parti principali. La prima parte approfondisce la meccanica delle strutture e dei continui, con particolare riferimento al comportamento lineare e non lineare dei biomateriali nell’ambito della iperelasticità, con estensione ai fenomeni dissipativi ed inelastici. Si affronterà in tale ambito lo studio delle equazioni che consentono di accoppiare la risposta dei tessuti, in termini di tensione e deformazione, con i processi evolutivi di riorganizzazione e adattamento della microstruttura (crescita, rimodellamento e morfogenesi). Saranno illustrati esempi applicativi con riferimento a diversi tipi di strutture biologiche, dalla scala cellulare alla macro-scala dei tessuti. La seconda parte espone invece i metodi analitici e numerici per la predizione del comportamento biomeccanico dei tessuti e illustra, anche con il supporto di esercitazioni in aula, alcuni modelli strutturali e strategie per modellare l’interazione tra tessuti e biomateriali/impianti in diverse condizioni, al fine di dimensionare ed ottimizzare diversi tipi di sistemi protesici.

Verrà valutata la capacità da parte dello studente di affrontare la risoluzione di problemi meccanici relativi ai fenomeni studiati ed il grado di approfondimento della materia, con riferimento agli argomenti trattati durante il corso.
Il campo sarà meglio definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Appunti del corso.
Testi consigliati:
Cowin and Doty, Tissue Mechanics, Springer-Verlag, 2007;
Fung, Biomechanics - Mechanical Properties of Living Tissues - Springer, 1993
Goriely, Alain. The mathematics and mechanics of biological growth. Vol. 45. Springer, 2017.
Taber, Larry A. Continuum Modeling in Mechanobiology. Springer International Publishing, 2020.
Holzapfel, G. A. Nonlinear solid mechanics: a continuum approach for engineering science, 2002.

La parte teorica del corso èstrutturata in tre sezioni, che mirano a fornire conoscenze relative a: (i) interfacciamento e sistemi automatici di misura, (ii) principi di funzionamento e metodi per la caratterizzazione di sensori e strumentazione di misura, (iii) metodi per il controllo statistico di processo.
La parte esercitativa, svolta in laboratorio, riguarda l’allestimento e la programmazione di sistemi automatici di misura in LabView
Conoscenza e capacita' di comprensione: Lo studente acquisisce le conoscenze metodologiche relative ai temi dell’ interfacciamento della strumentazione di misura, alla caratterizzazione dei sistemi di conversione analogico-numerica, ai principi di funzionamento di strumentazione avanzata per la generazione di forme d’onda arbitraria, per l’analisi impedenziometrica e per il sensing di grandezze di natura eterogenea. Inoltre approfondisce le conoscenze relative agli strumenti per il controllo statistico di qualità.
Capacita' di applicare conoscenza e comprensione: La capacità di applicare le conoscenze acquisite èstimolata dall’insegnamento attraverso applicazioni svolte in laboratorio, finalizzate a dimostrare come si allestisce, configura e programma una stazione automatica di misura che sfrutta algoritmi di elaborazione numerica dei segnali per estrarre l’informazione di misura da dati grezzi sperimentali. La comprensione è verificata con continuità durante il corso grazie ad un’impostazione dialogica delle lezioni che lascia spazio alla platea studentesca per domande e discussioni sui temi trattati.

(3 cfu) Standard di interfacciamento. Esempio dello standard IEEE 488.2. Codifica dei comandi e dei dati. Cenni all’uso dell’interfaccia interattiva IBIC. Programmazione di strumenti remoti. Ambiente di sviluppo LabView per la programmazione di stazioni automatiche di misura. Esempi di implementazione di VIs per l’elaborazione di dati e/o controllo di processi di misura.
(3 cfu) Registratori di forme d’onda (waveform recorder) e metodi di caratterizzazione. Metodo dell’istogramma per la rilevazione delle soglie di transizione. Regressione lineare per la stima degli errori di offset e di guadagno: calibrazione e compensazione degli errori. Caratterizzazione dinamica: SINAD e ENOB. Metodo del sine-fit a tre e quattro parametri per la valutazione dei parametri di prestazione. Identificazione della risposta dinamica e equalizzazione (streamline calibration). Architetture multicanale: tecniche di identificazione e di calibrazione. Generatori di forme d’onda. Oscillatori, generatori di funzione e sintetizzatori di forme d’onda. Caratterizzazione statica e dinamica del comportamento elettrico di sistemi passivi. Definizione di impedenza. Caratteristiche dei componenti elettronici, tecniche di misura, collegamenti e schermatura, accuratezza. Strumentazione per la misurazione di resistenza, capacità, induttanza, impedenza. Trasduttori capacitivi, induttivi, elettromagnetici, resistivi, a effetto Hall, chimici, piezoelettrici, termodinamici, fotonici, ottici.
(3 cfu) Diagrammi stelo e foglie, percentili e quartili, istogrammi, ogive, parametri sintetici, box plot e box plot modificati. Richiami sulle distribuzioni di probabilità continue e discrete. Inferenza statistica: campionamento da una distribuzione normale. Distribuzioni campionarie c2, t, F; stimatori per media, varianza e deviazione standard; range relativo. Test delle ipotesi: ipotesi nulla e alternativa, statistica del test, regioni di accettazione e di rifiuto, rischio a e b, intervallo di confidenza, p-value, inferenza sulla media di una distribuzione con varianza nota e incognita, inferenza sulla varianza di una distribuzione normale, curva caratteristica di funzionamento, stime della probabilità d’errore b e scelta della numerosità del campione. Analisi della varianza per singolo fattore e coppie di fattori. Carte di controllo: limiti di controllo 3-sigma, processi sotto controllo e fuori controllo, cause comuni e cause speciali, OCAP, ARL in condizioni di sotto-controllo e fuori-controllo. Carte di controllo per variabili. Carte per media e range. Process capability. Carte di controllo per attributi (p-chart).

Lo studente sarà valutato in base alla capacità di dimostrare piena comprensione degli argomenti, tenendo conto altresì delle capacità di sintesi e di chiarezza.

Testi consigliati
J.C. Coombs, Electronic Instrument Handbook, Mc Graw Hill
Dispense fornite dal docente

L’insegnamento si propone di fornire allo studente la conoscenza specialistica delle metodologie per lo studio teorico e sperimentale dei fenomeni di compatibilità elettromagnetica e di esposizione umana ai campi elettromagnetici. Costituiranno parte integrante dell’insegnamento lo studio dei principi di funzionamento della strumentazione di misura, delle configurazioni di prova e delle norme tecniche impiegate nel settore. Le conoscenze teoriche acquisite durante l’attività d’aula saranno approfondite mediante lo sviluppo di un progetto sperimentale finalizzato alla verifica della compatibilità elettromagnetica di dispositivi elettrici ed elettronici o alla misurazione dei livelli di esposizione ai campi elettromagnetici in ambienti residenziali e industriali, durante il quale saranno apprese nozioni avanzate sul software di programmazione LabVIEW.
Conoscenza e capacita' di comprensione: L’insegnamento intende fornire allo studente le conoscenze specialistiche e le metodologie necessarie per comprendere i fenomeni di compatibilità elettromagnetica e l’esposizione umana ai campi elettromagnetici, e il funzionamento della relativa strumentazione di misura. Grazie a ciò, lo studente sarà in grado di riconoscere la natura del fenomeno di interesse, di individuare la strumentazione e il metodo di misura più idonei, di descrivere quali azioni si debbano eseguire per la misurazione, di interpretare i risultati, di determinare l’esistenza di situazioni di potenziale criticità. Lo studente riuscirà a mettere in connessione le scelte relative alla strumentazione e alla configurazione di prova con i risultati ottenuti, per una più corretta interpretazione del fenomeno.
Capacita' di applicare conoscenza e comprensione: L’insegnamento è orientato a trasmettere la capacità di applicare gli strumenti metodologici acquisiti per progettare opportunamente una catena di misura per la verifica dei requisiti di compatibilità elettromagnetica o per la determinazione dei livelli di esposizione umana ai campi elettromagnetici, eseguire le prove, analizzare i dati acquisiti, interpretare i risultati dell’analisi e, infine, produrre un documento riepilogativo dell’attività svolta.

Principi base della Compatibilità Elettromagnetica: sorgenti e vittime dei fenomeni di compatibilità, fenomeni radiati e condotti, immunità ed emissione. Il decibel e il suo impiego nella compatibilità elettromagnetica. Strumentazione di misura: ricevitore di interferenza e rivelatore di picco, quasi-picco, media; rete per la stabilizzazione dell’impedenza di linea (LISN); reti di accoppiamento e disaccoppiamento (CDN); sonde di corrente e di tensione. Modello a due fili per l’emissione di disturbi radiati: disturbi di modo differenziale e modo comune. Ambienti per la verifica della compatibilità elettromagnetica: open area test site, camera schermata, camera semi-anecoica e norme per la verifica delle prestazioni (EN 55016-1-4). Configurazione di prova e modalità esecutive per la verifica dell’immunità e emissione, radiata e condotta: EN 55022, EN 61000-4-3, EN 61000-4-6. La normativa di esposizione ai campi elettromagnetici ambientali: DPCM 8/7/2003; norme per la misura dell’esposizione della popolazione. Sonde e antenne per la misurazione di campi elettromagnetici ambientali. Esecuzione di prove di conformità presso il laboratorio di Compatibilità elettromagnetica; esecuzione di misurazioni di campo elettromagnetico ambientale.

50% elaborato progettuale; 50% orale

1) “Introduction to Electromagnetic Compatibility”, C. Paul, Ed. Wiley
2) Dispense del corso disponibili presso il docente.
3) Norme europee per l’esecuzione dei test di verifica di compatibilità.

L’insegnamento mira a fornire le conoscenze fondamentali relative all’organizzazione e al funzionamento del Servizio Sanitario Nazionale, ai sistemi di valutazione della qualità e delle performance e ai principali strumenti di governo e miglioramento dei processi sanitari. Il corso approfondisce i temi della clinical governance, del risk management, dei Livelli Essenziali di Assistenza, del Programma Nazionale Esiti e delle metodologie Lean e Lean Six Sigma, con l’obiettivo di sviluppare competenze utili all’analisi e alla gestione delle organizzazioni sanitarie.
Conoscenza e capacita' di comprensione: Al termine dell’insegnamento, lo studente dovrà conoscere e comprendere l’organizzazione e il funzionamento del Servizio Sanitario Nazionale, i principi della qualità e della clinical governance, i sistemi di valutazione delle performance, il risk management e le principali metodologie di miglioramento dei processi sanitari.
Capacita' di applicare conoscenza e comprensione: Lo studente dovrà essere in grado di interpretare indicatori e dati di performance, individuare criticità organizzative e utilizzare i principali strumenti di analisi, gestione del rischio e miglioramento dei processi in ambito sanitario.

Evoluzione storica, principi e organizzazione del Servizio Sanitario Nazionale.
Riforme sanitarie, aziendalizzazione, regionalizzazione e livelli di governance.
Qualità in sanità, accreditamento, certificazione e sistemi di gestione della qualità.
Appropriatezza, efficacia, efficienza e valutazione delle performance sanitarie.
Livelli Essenziali di Assistenza e Nuovo Sistema di Garanzia.
Indicatori sanitari e Programma Nazionale Esiti.
Clinical governance, sicurezza delle cure e gestione del rischio clinico.
Metodi reattivi e proattivi di analisi del rischio, con riferimento a incident reporting, Root Cause Analysis e FMEA-FMECA.
Principi del Lean Thinking e del Lean Six Sigma applicati alla sanità.
Strumenti per l’analisi e il miglioramento dei processi sanitari: diagrammi di flusso, Value Stream Mapping, matrice RACI, TreeMap, audit e Report A3.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Slide e materiali di approfondimento forniti dal docente durante il corso.

Fornire i principi per la progettazione dell’ambiente ospedaliero che consenta la coesistenza ottimale (dal punto di vista elettromagnetico) di tutte le apparecchiature per il funzionamento dell’ospedale, quali: - reti cablate e radianti per scambio dati per comunicazione e trasmissioni inerenti le infrastrutture ospedaliere di telecomunicazioni e di servizio - apparati per la condivisione delle informazioni (telemedicina) e per il controllo remoto delle apparecchiature (robot) - apparati biomedicali per diagnosi e terapia - apparati e sensori personali dei pazienti Per tutti questi apparati la coesistenza ottimale dal punto di vista elettromagnetico impatta direttamente la progettazione dell’ambiente ospedaliero principalmente in riferimento alla determinazione più opportuna della localizzazione e impostazione dei parametri di funzionamento.
Conoscenza e capacita' di comprensione: Gli studenti acquisiranno nuove conoscenze sulla radiazione, la propagazione e la ricezione dei campi elettromagnetici. Dovranno dimostrare capacità di comprendere i principali fenomeni elettromagnetici coinvolti nell’ambito della progettazione di antenne, dello sviluppo dei moderni sistemi di comunicazione mobile, della strumentazione diagnostica e terapeutica con particolare riferimento alle applicazioni dell'elettromagnetismo in ambiente ospedaliero.
Capacita' di applicare conoscenza e comprensione: Gli studenti dovranno dimostrare capacità di applicare la conoscenza acquisita allo sviluppo di strumenti software basati su ray tracing, all’uso ragionato di solutori numerici per lo studio della propagazione del campo in ambienti complessi e mezzi dispersivi e nella realizzazione di esperienze di laboratorio.

(3 cfu ) Radiazione, propagazione, diffusione e diffrazione in ambienti complessi – antenne e array di antenne, diffusione volumetrica e su mezzi stratificati a interfacce rugose. Approssimazione di ottica geometrica e propagazione del campo per raggi. Propagazione, diffusione e diffrazione in ambienti complessi. Risoluzione di problemi elettromagnetici in condizioni canoniche. Uso di solver elettromagnetici per la verifica dei livelli di campo elettromagnetico in ambienti complessi. Uso di solver elettromagnetici per la progettazione dei livelli di campo elettromagnetico in ambienti complessi.
( 2 cfu ) Interazione elettromagnetica fra tutti gli apparati considerati e l’ambiente circostante (vuoto e non vuoto). Interazione elettromagnetica fra tutti gli apparati considerati e il corpo umano e sue parti. Propagazione diffusione e diffrazione in mezzi dispersivi (tessuti biologici). Dosimetria e metodi numerici
( 2cfu ) Applicazioni diagnostiche. Progettazione in sicurezza elettromagnetica di strumentazione diagnostica. Risonanza magnetica per immagini: principi di funzionamento e formazione dell’immagine. Interazione di campi statici, lentamente variabili e a radiofrequenza usati nella diagnostica elettromagnetica con l’ambiente circostante e con i tessuti umani. Uso di solver elettromagnetici e per lo studio della propagazione del campo elettromagnetico in mezzi complessi (dal corpo umano alle sale operatorie di terapia e di diagnostica).
( 2 cfu ) Esperienze di:

• radiocopertura indoor e outdoor;
• impiego ottimale di antenne con l’ausilio di software di simulazione elettromagnetica.
• risonanza magnetica a campo ultra elevato.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Dispense fornite dal docente.

L’obiettivo del corso è quello di educare lo studente alle problematiche di progettazione di prodotti biomedicali personalizzati mediante l’impiego di prototipi virtuali e ricostruzioni anatomiche 3D interne ed esterne del corpo umano.
Al termine del corso lo studente sarà in grado di: Impostare e sviluppare i modelli 3D di assiemi meccanici in ambito biomedicale. Leggere ed interpretare correttamente un disegno meccanico. Operare la scelta dei mezzi di comunicazione tecnica per la progettazione dei prodotti industriali per applicazioni biomedicali. Rappresentare per esigenze costruttive particolari meccanici e per esigenze funzionali e di montaggio complessivi semplici. Realizzare in maniera interattiva disegni di assemblaggio a partire dai modelli CAD tridimensionali. Assegnare e valutare caratteristiche e proprietà di sistemi meccanici in ambiente virtuale: forme, proporzioni, materiali. Riconoscere gli elementi normalizzati. Gestire protocolli di riferimento per lo scambio-dati. Simulare ed analizzare in ambiente virtuale il comportamento cinematico di sistemi meccanici e biomeccanici. Partendo dell’analisi di mesh del corpo umano, la capacità di progettare modelli parametrici di sistemi indossabili per l'acquisizione di biosegnali. Partendo dall’analisi di immagini diagnostiche, la capacità di ricostruire e progettare modelli tridimensionali e parametrici di strutture anatomiche quali componenti ossee e organi. Predisporre modelli e dispositivi per la fabbricazione additiva.Eseguire analisi strutturali agli elementi finiti (FEM) in ambiente virtuale su parti ed assiemi meccanici. Conoscere i sistemi di gestione dei dati del prodotto (PDM) e del ciclo di vita del prodotto (PLM). Impiegare le tecnologie di prototipazione virtuale e di Human modeling per l’analisi e la validazione di prodotti industriali.
Conoscenza e capacita' di comprensione: Il percorso formativo intende fornire agli studenti gli strumenti metodologici per la progettazione e lo sviluppo di prodotti industriali su misura per applicazioni medicali e anatomiche mediante l’impiego di prototipi virtuali. Lo studente deve dimostrare di avere appreso quali sono i requisiti peculiari dei sistemi hardware e software dedicati alle varie fasi del processo di sviluppo prodotto ed alla gestione del suo ciclo di vita. Lo studente dovrà inoltre dimostrare la conoscenza delle fasi principali di progettazione di un prodotto biomedicale personalizzato, dalla identificazione dei requisiti, alla costruzione del prototipo virtuale ed alla sua validazione mediante strumenti di simulazione (anche tramite l’impiego di modelli digitali biomeccanici del corpo umano).. Conoscenza dei metodi di base dei sistemi di progettazione assistita da computer (CAD) per analizzare mesh di scansioni 3D del corpo umano al fine di calcolare informazioni geometriche utili: (i) digitalizzazione ed automatizzazione di processi manuali per il calcolo di misure antropometriche sul corpo umano; (ii) progettazione di modelli parametrici di base utili di sistemi indossabili (i.e. cartamodelli). Conoscenza dei metodi di base dei sistemi di progettazione assistita da computer (CAD) per analizzare immagini diagnostiche (ad esempio in formato DICOM) al fine progettare modelli tridimensionali e parametrici di strutture anatomiche quali componenti ossee e organi.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di saper costruire prototipi virtuali mediante software specifici per la gestione del ciclo di vita del prodotto, la modellazione geometrica, la simulazione cinematica del modello digitale (DMU), l’analisi strutturale e la validazione ergonomica. Lo studente dovrà mostrare la capacità di sviluppare un progetto concettuale di un sistema meccanico in ambiente virtuale, identificando elementi normalizzati e parti da progettare, gestendo i protocolli di riferimento per lo scambio dati e valutando i sistemi di simulazione idonei allo sviluppo ed alla validazione del progetto. Lo studente dovrà inoltre comprendere come effettuare test di verifica (per verificare i requisiti del sistema e dei sottosistemi) e test di validazione (per verificare la capacità del sistema di soddisfare i requisiti funzionali) di prodotti biomedicali personalizzati. Lo studente dovrà infine dimostrare la capacità di sviluppare e progettare modelli parametrici di dispositivi medici personalizzati a partire dall’analisi da mesh anatomiche esterne ed interne.

· Introduzione al corso: Obiettivi, contenuti, modalità d'esame.
· Il Digital Mock-Up (DMU), Ingegneria sequenziale e concorrente, il ciclo di sviluppo prodotto basato sul DMU. Metodologie di progettazione e pianificazione delle attività di progetto.
· Richiami di disegno tecnico industriale: metodo delle proiezioni ortogonali, sezioni, quotatura.
· Metodi di modellazione assistita da calcolatore.
· Modellazione basata sulla geometria: Drafting 2D, Modellazione 3D Wireframe, Primitive di modellazione, B-Rep, CSG, per superfici, ibrida.
· Introduzione alla piattaforma CAD: Impostazioni di base, Descrizione Albero del modello.
· Modellazione basata sulla conoscenza: approccio parametrico e variazionale, Modellazione solida basata su caratteristiche (Feature Based).
· Paradigma parametrico-associativo. Struttura di prodotto: parti, componenti, assiemi.
· Modellazione di parti: concetti di Feature, Body, Gruppi Geometrici. Strumenti per la gestione delle Feature Basate su schizzi. Gestione dei Vincoli. Strumenti di analisi dello schizzo.
· Strumenti per la creazione e la gestione delle feature avanzate: Feature di dettagliatura, Feature di trasformazione, Feature booleane, Modellazione Multi-Body. Principi di corretta modellazione.
· Metodi di rappresentazione di Curve e Superfici a forma libera: Rappresentazione analitica e parametrica, Curve e superfici di HERMITE, BEZIER, B-SPLINE, NURBS. Strumenti CAD per la creazione, l’analisi e la manipolazione di superfici.
· Modellazione di Assiemi. Approcci Bottom-Up e Top-Down. Gestione del salvataggio. Analisi dell’assieme. Feature d’assieme. Configurazione di prodotto e tabelle di progetto. Problematiche di scambio dati.
· Generazione di disegni e documentazione di prodotto a partire da modelli CAD. La distinta base.
· Simulazione di cinematismi.
· Sistemi per la gestione dei dati di prodotto (PDM) e per la gestione del ciclo di vita del prodotto (PLM): Definizioni e scopi; Funzionalità; Architettura.
· Applicazione di metodologie di progettazione: modellazione, dimensionamento preliminare e verifiche nominali di organi meccanici. Indicazioni generali per individuare i criteri di scelta di diversi componenti e dispositivi meccanici.
· Verifica strutturale nominale assistita da calcolatore; preprocessing: realizzazione della mesh, condizioni vincolari, applicazione dei carichi; post-processing: valutazione dello stato tensionale e delle deformazioni.
· Legame CAD-CAM.
· Cenni sui sistemi di digitalizzazione del 3D del corpo umano. Fotogrammetrica, acquisizione dei dati e ricostruzione della mesh.
· Analisi della mesh del corpo umano per il calcolo dei riferimenti anatomici e delle misure antropometriche relative alla progettazione; apertura della mesh (unfolding)
· Modello base parametrico 2D per la progettazione di sistemi indossabili (i.e. smart clothing).
· Identificazione delle strutture anatomiche nelle immagini diagnostiche
· Segmentazione di tessuti ossei e strutture anatomiche non ossee, come vie aeree e organi
· Ricostruzione volumetrica tridimensionale
· Cenni di fabbricazione additiva in ambito medicale
· Digital Human modeling: misure antropometriche convenzionali e scaling di modelli digitali; misure antropometriche task oriented; modelli cinematici; (analisi cinematica diretta ed inversa) assegnazione di compiti umani e metodi di valutazione delle performance; analisi delle forze e dei momenti; indici di valutazione posturale; simulazione e verifica dell’attività muscolare associata al task.
· La Realtà Virtuale nella progettazione industriale: la visione stereoscopica, sistemi di visualizzazione, sistemi di tracking, sistemi di navigazione, sistemi di manipolazione, sistemi haptic. Elaborazione dei modelli geometrici per la prototipazione virtuale: tassellazione, Rendering e Texture mapping. Applicazioni in ambito biomedico e robotico (in settori quali riabilitazione, ergonomia industriale e sport). Augmented e Mixed Reality.

La prova scritta è rivolta a verificare la capacità dello studente di sviluppare prototipi virtuali di semplici assiemi meccanici e generare la documentazione di prodotto e la relativa distinta base.
Il colloquio orale segue la prova scritta ed è rivolto ad una discussione critica della/e soluzione/i data/e dallo studente ai problemi proposti nella prova scritta, alla presentazione di un elaborato progettuale ed all’accertamento dell’acquisizione dei concetti e dei contenuti introdotti durante le lezioni.
L’esito della prova scritta non è vincolante ai fini dell’accesso alla prova orale. E' prevista una prova intercorso che consente l'esonero dalla prova scritta. Le prova scritta definisce una fascia di voto di partenza per la successiva orale che verte sulla discussione dell'elaborato progettuale e delle esercitazioni svolte durante il corso.

E. Chirone, S. Tornincasa, Disegno Tecnico Industriale (2 volumi), Editore: Il Capitello;
Caputo Francesco, Di Gironimo Giuseppe, La Realtà Virtuale nella Progettazione Industriale, Aracne, 2007.
Gary R. Bertoline, Eric N. Wiebe, Fondamenti di comunicazione grafica, McGrow Hill, 2003
Mortenson M.E., Geometric Modeling, Ed. John Wiley & Sons, 1997
Tavole di esercitazione (sito docente); Slides e dispense integrative fornite dal docente (sito docente).

Il corso si propone di consolidare la conoscenza dei sistemi biologici e degli sviluppi innovativi delle biotecnologie. Gli studenti verranno anche preparati allo sviluppo di nuove apparecchiature per la prevenzione, la diagnosi, la terapia e la riabilitazione, alla progettazione di organi artificiali, alla ricerca di materiali avanzati.
Conoscenza e capacita' di comprensione: Conoscenza dei sistemi biologici e degli sviluppi innovativi delle biotecnologie.
Capacita' di applicare conoscenza e comprensione: Capacità di sviluppare nuove apparecchiature per la prevenzione, la diagnosi, la terapia e la riabilitazione, di progettare organi artificiali, di sintetizzare materiali avanzati.

• Funzionamento dei sistemi biologici Proteine, acidi nucleici, sintesi delle proteine, membrane e pareti cellulari
• Sviluppi innovativi legati all’Ingegneria genetica DNA ricombinante, Vaccini, Immunosensori, Microarray, Genomica/Proteomica, Terapia genica
• Sviluppi innovativi legati alle Nanotecnologie Nanoparticelle, Rilascio controllato, Targeting passivo/attivo, Materiali antibatterici, Terapia fotodinamica
• Sviluppo di nuove apparecchiature Sensori e biosensori, Membrane biomimetiche, Dializzatori
• Organs on a chip Kidney on a chip, Liver on a chip, Lung on a chip

Svolgimento di un esercizio individuale di simulazione al computer.

Appunti e slides delle lezioni a disposizione degli studenti

Il corso di Robotica Medica si pone l’obiettivo di fornire le nozioni e le basi di progettazione, realizzazione e controllo di sistemi robotici per applicazioni mediche (e.g., in chirurgia e riabilitazione). Oltre all’utilizzo di metodi per la modellazione e il controllo di sistemi robotici costituiti da catene cinematiche rigide, come alcuni robot manipolatori attualmente utilizzati in chirurgia e riabilitazione, saranno forniti metodi teorici per la modellazione e il controllo di sistemi che prevedono parti soffici integrate nella struttura o strutture completamente soffici, robot capaci di riconfigurarsi e adattarsi all’ambiente, nonché robot indossabili come protesi ed esoscheletri. Attraverso applicazioni pratiche delle conoscenze acquisite mediante l’utilizzo di simulatori per casi studio, saranno fornite conoscenze di base dei software più comuni usati per la programmazione di robot.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere i sistemi robotici attualmente utilizzati in chirurgia e riabilitazione, in particolare la struttura meccanica e le sue caratteristiche, i tipici sistemi di controllo e i software utilizzati per la programmazione. Lo studente deve dimostrare di conoscere le problematiche relative all’interazione paziente/robot-medico/robot e i conseguenti requisiti necessari al corretto ed efficace funzionamento dei sistemi robotici. Lo studente deve dimostrare di aver acquisito le tecniche di modellazione e controllo di sistemi robotici caratterizzati da strutture soft che interagiscono in stretto contatto fisico con l’essere umano, includendo i sistemi mininvasivi per la chirurgica e i sistemi indossabili per la riabilitazione.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di saper progettare un sistema di controllo, scelto tra i sistemi classici studiati, per adattarlo ad una particolare applicazione medica utilizzando uno dei sistemi robotici più diffusi in chirurgia e/o in riabilitazione (come il da Vinci, il KUKA etc). Lo studente deve essere in grado di saper implementare tale sistema di controllo utilizzando strumenti di simulazione forniti durante il corso. A tal fine, lo studente deve dimostrare di saper utilizzare strumenti software tipicamente utilizzati in robotica (tra cui ROS, Gazebo, Matlab/Simulink, C++, Python, CoppeliaSim). Inoltre, lo studente deve dimostrare di avere conoscenza di base di tipici strumenti open-source di prototipazione rapida, elettronica e stampa 3D.

1. Introduzione alla robotica medica. 2. Classificazione di robot chirurgici e applicazioni. 3. Controllo dell’interazione (controllo di impedenza e forza; controllo di impedenza variabile, gestione della priorità di più task in manipolatori ridondanti). 4. Teleoperazione unilaterale e bilaterale: passività e stabilità. 5. Interfacce aptiche. 6. Controllo condiviso e semi-autonomo. 7. Sistema robotico da Vinci e da Vinci Research Kit (cinematica, dinamica, architettura di controllo, software per il controllo). 8. Esercitazioni sul sistema da Vinci Research Kit. 9. Esempi di tecniche di apprendimento applicate al controllo di robot per applicazioni chirurgiche. 10. Introduzione all’impiego di robot continui e snake-like alla chirurgia robotica. 11. Modellazione di meccanismi continui. 12. Controllo della interazione e della locomozione di robot continui iper-ridondanti. 13. Introduzione alla robotica soft. 14. Modellazione di robot soft. 15. Controllo di robot soft. 16. Introduzione alla robotica riabilitativa e alla robotica per assistenza. 17. Esercitazioni sul robot KUKA MED. 18. Materiali e metodi per la misura di segnali fisiologici (EMG, EEG, ECoG, eye tracking). 19. Esoscheletri e robotica indossabile: principi costruttivi e strategie di controllo. 20. Attuatori ad impedenza variabile. 21. Protesi robotiche: mani e gambe robotiche. 22. Principi di controllo della locomozione. 23. Progetto meccanico di mani robotiche, modellazione, sensoristica e attuazione. 24. Esercitazioni sulla PRISMA Hand II. 25. Controllo della presa e della manipolazione. 26. Esempi di tecniche di apprendimento applicate alla manipolazione e alla locomozione.

L’elaborato è obbligatorio per accedere all’orale, esso contribuisce al 25% della valutazione finale.
L’elaborato in simulazione deve essere consegnato al docente una settimana prima della prova orale e poi discusso all’orale mediante una presentazione dei risultati ottenuti. L’elaborato ha l’obiettivo di verificare la capacità dello studente di progettare semplici algoritmi di controllo per applicazioni di robotica medica (a scelta chirurgica o riabilitativa), utilizzando uno dei simulatori (a scelta dello studente), basati su ROS, Gazebo e CoppeliaSim, i quali sono stati introdotti e utilizzati durante le esercitazioni del corso. Il colloquio orale segue la discussione dell’elaborato ed è rivolto ad una discussione critica della/e soluzione/i data/e dallo studente ai problemi proposti nell’elaborato in simulazione, ed all’accertamento dell’acquisizione dei concetti e dei contenuti introdotti durante le lezioni.

B. Siciliano, O. Khatib (Eds.), Springer Handbook of Robotics, 2nd Edition, Springer, Berlin, 2016, ISBN 978-3-319-32552-1.
K.M. Lynch, F.C. Park, Modern Robotics: Mechanics, Planning, and Control, Cambridge University Press, 2017, ISBN 9781107156302.
J. Rosen, B. Hannaford, R.M. Satava (Eds.), Surgical Robotics: Systems, Applications, and Visions, Springer, 2011 ISBN 9781441911261.
A. Schweikard, F. Ernst, Medical Robotics, Springer, 2015, ISBN 9783319228914.
Appunti dalle lezioni, disponibili agli studenti iscritti al corso tramite Segrepass.

Il corso intende fornire allo studente approfondite conoscenze dei principi di funzionamento di sensori biomedicali per applicazioni diagnostiche e di monitoraggio in campo clinico. Il corso darà inoltre una descrizione delle applicazioni pratiche dei sensori: gli studenti conosceranno sia quelli disponibili commercialmente, sia quelli oggetto di ricerca
Conoscenza e capacita' di comprensione: Al termine del corso, lo studente deve dimostrare di aver acquisito un’ampia conoscenza della sensoristica di impiego in ambito biomedicale e clinico, comprendendo le problematiche (anche pratico-applicative) inerenti alle diverse soluzioni tecnologiche disponibili allo stato dell’arte e della tecnica.
Capacita' di applicare conoscenza e comprensione: Lo studente dovrà possedere approfonditamente gli strumenti metodologici necessari non solo per la comprensione dei principi di funzionamento, ma anche per l’identificazione delle soluzioni ingegneristiche più idonee a soddisfare i requisiti metrologici del settore clinico-sanitario.

Caratteristiche metrologiche dei sensori. Il modello del sensore: funzione di conversione, grandezze di influenza, campo di misura, campo di variabilità dell'uscita. Il funzionamento in regime stazionario e dinamico. Verifica metrologica e calibrazione. Sensori di temperatura: termo-resistivi, a semiconduttore, termocoppie; sensori a infrarosso; sensori di umidità, sensori di posizione e spostamento: di tipo potenziometrico, capacitivi, induttivi; sensori a ultrasuoni; sensori in fibra ottica, sensori di velocità, sensori di accelerazione; sensori angolari, piattaforme inerziali, sensori di prossimità e contatto, sensori di forza e pressione; sensori in tecnologia MEMS, sensori basati sulla spettroscopia dielettrica. Riflettometria nel dominio del tempo e caratterizzazione dielettrica dei materiali in ambito biomedico. Pulsossimetri. La tecnologia GPS. Sensori per le interacce uomo-macchina (Human-machine interface). Concetti base sui biosensori. Sistemi di Realtà Aumentata come strumenti di misura. Principali soluzioni per l’interfacciamento: controllo e comunicazione dati. Reti di sensori cablate e wireless. Body sensor networks. Concetti base di statistica per gli ingegneri (ANOM, ANOVA, DOE). Laboratorio per lo sviluppo e implementazione di interfacce di monitoraggio dei sensori e gestione da remoto attraverso software LabVIEW.

Capacità di argomentare nella risposta i questi posti; ampiezza delle conoscenze e livello di approfondimento degli argomenti, capacità di sintesi espositiva e chiarezza di linguaggio.

Materiale didattico reso disponibile sul team dedicato al corso e sul sito web del docente della materia.

L’insegnamento si propone di fornire le conoscenze teoriche, tecnologiche e progettuali necessarie per comprendere il funzionamento e l’integrazione dei principali sensori e microsistemi elettronici.
Il corso approfondisce i meccanismi di trasduzione, le tecnologie di fabbricazione, i dispositivi sensibili e i circuiti elettronici di polarizzazione, lettura e condizionamento del segnale. Particolare attenzione è dedicata ai MEMS, ai sensori integrati, ai sensori ottici e in fibra, ai sensori chimici e biologici e alle architetture multisensore.
L’insegnamento intende infine fornire allo studente gli strumenti necessari per individuare la soluzione tecnologica e circuitale più adatta a una specifica applicazione e per sviluppare il progetto preliminare di un sistema elettronico di sensing, dalla scelta del dispositivo sensibile fino all’acquisizione e all’elaborazione del segnale.
Conoscenza e capacita' di comprensione: Lo studente sarà in grado di:

• descrivere l’architettura generale di un sistema sensoriale;
• comprendere i principali meccanismi fisici di trasduzione;
• conoscere le caratteristiche statiche e dinamiche dei sensori;
• comprendere i principi di funzionamento dei principali sensori elettronici, MEMS, ottici, chimici e biologici;
• conoscere le principali tecnologie di fabbricazione dei microsistemi;
• comprendere il funzionamento dei circuiti elettronici di lettura e condizionamento del segnale;
• identificare le principali sorgenti di rumore, deriva, non linearità e incertezza.
  Capacita' di applicare conoscenza e comprensione: Lo studente sarà in grado di:
• analizzare il comportamento di un sensore mediante modelli analitici semplificati;
• calcolare sensibilità, risoluzione, linearità, intervallo dinamico, tempo di risposta e banda;
• selezionare una tecnologia sensoriale in funzione delle specifiche applicative;
• dimensionare semplici circuiti di interfaccia per sensori resistivi, capacitivi, in corrente e in tensione;
• valutare il contributo del rumore elettronico alla risoluzione del sistema;
• analizzare dati sperimentali ottenuti dalla caratterizzazione di un sensore;
• confrontare differenti tecnologie sensoriali sulla base di prestazioni, consumi, ingombro, costo e complessità tecnologica;
• sviluppare il progetto preliminare di un sistema sensoriale.

Introduzione ai sensori e ai sistemi di misura
Caratteristiche statiche e dinamiche
Meccanismi fisici di trasduzione
Sensori elettronici e a semiconduttore
MEMS e tecnologie di microsistema
Sensori ottici e in fibra ottica
Sensori chimici e biologici
Elettronica di interfaccia per sensori
Rumore e prestazioni del sistema di misura
Array di sensori e fusione dei dati

La valutazione si basa sulla verifica delle conoscenze e delle competenze acquisite nell’ambito dei sensori e dei microsistemi, considerando la capacità di analizzarne i principi di funzionamento, le tecnologie realizzative e le principali soluzioni circuitali di interfaccia. Saranno inoltre valutate la capacità di applicare i concetti appresi a problemi di analisi e progetto, la qualità dell’elaborato progettuale e l’uso corretto del linguaggio tecnico.

Slide e dispense fornite dal docente.
Testi consigliati
J. Fraden, Handbook of Modern Sensors: Physics, Designs, and Applications , Springer.
E. Udd, W. B. Spillman, Fiber Optic Sensors: An Introduction for Engineers and Scientists , Wiley.

L'insegnamento ha l'obiettivo di fornire agli studenti competenze metodologiche, progettuali e tecnico-operative per l'analisi, la progettazione, lo sviluppo e la validazione di ambienti di simulazione avanzata applicati ai contesti organizzativi, formativi, terapeutici e riabilitativi in ambito sanitario.
Al termine del corso, lo studente sarà in grado di analizzare i bisogni di un'organizzazione sanitaria, progettare e sviluppare modelli di simulazione a eventi discreti per supportare la pianificazione, la gestione delle risorse, l'ottimizzazione dei processi e la valutazione di scenari alternativi, adottando un approccio sistematico e data-driven ai problemi organizzativi complessi.
Lo studente acquisirà inoltre competenze nella progettazione e nello sviluppo di ambienti tridimensionali immersivi basati su tecnologie di Realtà Estesa (Virtual Reality, Augmented Reality e Mixed Reality), integrando principi di gamification e Serious Games per la realizzazione di applicazioni destinate alla formazione del personale sanitario, alla simulazione di casi clinici e al supporto dei percorsi terapeutici e neuroriabilitativi del paziente.
Il corso consentirà altresì di sviluppare competenze operative nell'utilizzo di piattaforme professionali per la simulazione organizzativa, lo sviluppo di applicazioni XR e la progettazione di ambienti di e-learning, favorendo la capacità di integrare strumenti digitali avanzati all'interno dei processi di innovazione dei sistemi sanitari.
Conoscenza e capacita' di comprensione: - Struttura e organizzazione di un Centro di simulazione avanzata in medicina.

• Strumenti di simulazione per applicazioni medico-educative, terapeutiche-riabilitative, specialmente neuroriabilitative.
• Principi di Realtà estesa con Gamification Serious Games.
• Analisi avanzata dei modelli organizzativi con relativa validazione. Fondamenti di learning management system.
  Capacita' di applicare conoscenza e comprensione: - Analizzare i bisogni, progettare e realizzare ambienti di simulazione in realtà estesa per contesti terapeutici-riabilitativi sulla piattaforma UNITY
• Analizzare i bisogni, progettare e realizzare strumenti di simulazione di strutture organizzative ad eventi discreti sulla piattaforma SIMUL8
• Progettare e sviluppare sulla piattaforma DRSIM ambienti di simulazione e apprendimento di casi clinici.

• Simulazione in medicina: principi e fondamenti di simulazione. Macro-simulazione e Microsimulazione in medicina. Simulazione di procedure cliniche attraverso DrSim.
• Realtà estesa: realtà virtuale, realtà aumentata e realtà mista. Applicazioni di XR in contesti biomedici. Gamification, Game-based learning e Serious Games: definizioni e principi di tali applicazioni in contesti sanitari.
• Progettazione di applicazioni in realtà estesa tra cui Serious Games. Sviluppo di strumenti di simulazione in ambienti in realtà estesa in Unity: costruzione di scenari, di meccaniche e dinamiche di gioco, gestione user interface, gestione audio ed effetti particellari. Rilascio applicazione per più piattaforme di realtà estesa.
• Modellazione di sistemi sanitari tramite Simul8: Gestione liste di attesa ricoveri, ADT, Gestione SDO, Servizi di Laboratorio, LIS, RIS/PACS, architettura DICOM, Cartella Clinica Infermieristica, Gestione flusso sale operatorie.
• Progettazione di strumenti di e-learning: piattaforma MOODLE, strutturazione di percorsi didattici,
• gestione degli utenti, utilizzo dei gruppi e degli strumenti per il lavoro in gruppo.

nb: Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione
Modalità di valutazione
La valutazione è progettata per verificare il raggiungimento dei risultati di apprendimento previsti dall'insegnamento attraverso una prova articolata in più fasi, finalizzata ad accertare sia le conoscenze teoriche sia la capacità di applicarle in contesti progettuali.
L'esame prevede:

• la presentazione preventiva di una traccia progettuale, valutata in termini di coerenza, fattibilità e livello di complessità. Le tracce ritenute non adeguate possono essere riformulate sulla base delle osservazioni del docente;
• la realizzazione di un elaborato progettuale comprendente un esercizio di simulazione organizzativa e un esercizio di serious game;
• un colloquio individuale volto a verificare la correttezza metodologica dell'elaborato, la consapevolezza delle scelte progettuali e la padronanza degli argomenti trattati;
• una domanda orale estratta casualmente da un insieme di quesiti resi disponibili agli studenti prima dell'esame, riguardanti gli aspetti teorici della simulazione in medicina.
  La valutazione tiene conto della effettiva consapevolezza e paternità dell'elaborato, correttezza delle soluzioni proposte, della capacità di applicare le metodologie illustrate nel corso, dell'autonomia di analisi e progettazione, della capacità di argomentazione e dell'uso appropriato della terminologia disciplinare.
  Il voto finale è determinato mediante una combinazione pesata delle valutazioni conseguite nelle diverse componenti della prova. Prima della verbalizzazione, i criteri adottati e le valutazioni assegnate vengono illustrati agli studenti al fine di garantire la massima trasparenza del processo valutativo.La modalità di valutazione è particolarmente articolata ed è stata studiata per raggiungere i seguenti obiettivi:
• Accertare l’effettivo raggiungimento degli obiettivi formativi/risultati attesi previsti nella scheda
• Essere robusta allo svolgimento in presenza o a distanza nei casi eccezionali in cui se ne ravveda la necessità.
• Permettere allo studente di giungere all’esame nelle indispensabili condizioni di serenità
  Lo studente ha la possibilità, prima dell’esame, di esercitarsi su tali domande grazie ad appositi test di autovalutazione, a risposta chiusa, presenti sulla piattaforma blended che attingono al medesimo deposito di domande.I test di autovalutazione sono configurati su 6 domande casuali e possono essere ripetuti senza limitazione ma a distanza di 6 ore tra un tentativo e l'altro

Slide delle lezioni, dispense, Video registrazioni delle lezioni, Software gratuito per lo sviluppo di serious game in ambiente unity, Software gratuito per lo sviluppo di modelli di simulazione Simul8. Strumenti di forum e chat per interagire col docente e tra gli allievi. Tutto disponibile in piattaforma di blended learning di Ingegneria Biomedica cui tutti gli studenti sono iscritti.http://143.225.97.174/
Si consiglia come testi di riferimento:

• Seropian, M. A., Keeler, G. R., & Naik, V. N. (Eds.). (2020). Comprehensive Healthcare Simulation: Program & Center Development. Springer International Publishing.
• Nestel, D., Hui, J., Kunkler, K., Scerbo, M. W., & Calhoun, A. W. (2019). Healthcare simulation research. Springer.
• Dörner, R., Broll, W., Grimm, P., & Jung, B. (2013). Virtual und augmented reality. Berlin und Heidelberg: Springer.
  In aggiunta, è possibile far riferimento alle diverse riviste scientifiche internazionali e nazionali che pubblicano articoli di qualità sull'argomento.

Introdurre la metodologia per una rappresentazione unificata delle leggi costitutive di varie tipologie di sistemi dinamici (elettrici, meccanici, fluidici, chimici), necessaria per la modellazione matematica della fisiologia dei principali organi del corpo umano. Derivare i modelli matematici sia statici che dinamici dei principali sistemi fisiologici. Comprendere come tali sistemi siano sottoposti ad azioni di controllo in retroazione necessarie per un corretto funzionamento degli stessi. Investigare, nel dominio del tempo e della frequenza, il comportamento dei sistemi fisiologici.
Conoscenza e capacita' di comprensione: Lo studente deve essere in grado di derivare il modello matematico di semplici sistemi fisiologici basati su uno schema a retroazione negativa. Il percorso formativo intende fornire agli studenti le conoscenze e gli strumenti metodologici di base necessari per analizzare le proprietà strutturali di tali modelli, con particolare riferimento allo studio della stabilità del punto di equilibrio omeostatico. Tali strumenti consentiranno agli studenti di comprendere i meccanismi di funzionamento dei principali sistemi fisiologici presenti nell’essere umano.
Capacita' di applicare conoscenza e comprensione: A partire dalle conoscenze anatomico-funzionali dei diversi distretti fisiologici dell’organismo, lo studente deve dimostrare di essere in grado di derivare un modello matematico quantitativo, basato su equazioni differenziali, e di effettuare simulazioni numeriche per studiare il comportamento del sistema oggetto di studio. Sulla base di questa analisi, dovrà trarre le conseguenze derivanti dalla presenza di eventuali patologie derivanti dall’alterazione di uno o più parametri del modello oggetto di studio.

Introduzione al corso; analogia elettrica delle proprietà di resistività, di immagazzinamento di energia potenziale e cinetica di sistemi meccanici, fluidici e chimici. Definizione di resistenza generalizzata, complianza e inertanza per tali categorie di sistemi. (1 CFU) Generazione di sistemi complessi a partire da componenti elementari: parallelo e serie di resistenze e complianze. Primi esempi di modellistica: derivazione del modello meccanico-fluidico dell’apparato polmonare e del modello meccanico del muscolo scheletrico. (1 CFU) Richiami sulle rappresentazioni dei sistemi lineari ingresso-uscita (IU) e ingresso-stato-uscita (ISU); funzione di trasferimento. Calcolo delle rappresentazioni IU, ISU e della funzione di trasferimento per il modello meccanico-fluidico del sistema polmonare e del muscolo scheletrico. Richiami sulla risposta impulsiva. (1 CFU) Analisi nel dominio del tempo dei sistemi di controllo fisiologici; analisi delle prestazioni dei sistemi a ciclo chiuso rispetto a quelli a ciclo aperto. Applicazioni: arco riflesso; meccanismo dell’ultrasensitività; implementazione in MATLAB/SIMULINK di tali modelli. (1 CFU) Regolazione del glucosio; regolazione chimica della ventilazione; implementazione in MATLAB/SIMULINK di tali modelli (1 CFU). Regolazione del flusso sanguigno nel sistema circolatorio; riflesso neuromuscolare; implementazione in MATLAB/SIMULINK di tali modelli (1 CFU). Applicazioni: confronto ciclo aperto-chiuso del sistema meccanico-fluidico della ventilazione polmonare attraverso la risposta impulsiva e la risposta al gradino. Analisi dinamica nel dominio della frequenza. Applicazioni: regolazione del flusso sanguigno nel sistema circolatorio, modello meccanico-fluidico della ventilazione polmonare; analisi con l’utilizzo di MATLAB/SIMULINK (1 CFU). Analisi di stabilità dei sistemi di controllo fisiologici: richiami sui criteri di Routh e Nyquist; studio della stabilità di alcuni dei sistemi fisiologici introdotti in precedenza. (1 CFU) Metodi di identificazione dei sistemi di controllo fisiologici: metodi parametrici e non parametrici. (1 CFU)

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Michael C. K. Khoo, Physiological Control Systems, IEEE Press.
Appunti delle lezioni.

Obiettivo dell’insegnamento è fornire agli studenti le nozioni specialistiche sulla trasmissione a distanza dell’informazione e sulle tecnologie per le reti di accesso (wireless e cablate) a larga banda, con particolare attenzione alle moderne reti mobili 4G/5G ed evoluzioni ed all’erogazione di servizi multimediali innovativi su rete Internet (streaming video, IPTV). L’insegnamento si propone altresì di fornire agli studenti le nozioni specialistiche per l’implementazione di schemi di ricetrasmissione radio su piattaforma Software-Defined Radio (SDR) programmabile.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere le principali tecnologie per la trasmissione a distanza dell’informazione e la loro applicazione nelle moderne reti cablate e wireless a larga banda. Lo studente deve inoltre dimostrare di conoscere l’approccio Software-Defined Radio (SDR) per la realizzazione di schemi di ricetrasmissione radio su dispositivi programmabili.
Capacita' di applicare conoscenza e comprensione: Lo studente deve essere in grado di dimensionare un sistema di trasmissione sia cablato che radio. Lo studente deve dimostrare di saper implementare i principali schemi di ricetrasmissione radio in un ambiente software orientato alle applicazioni Software-Defined Radio.

Introduzione ai sistemi ed ai servizi di telecomunicazioni. Classificazione e funzionalità delle reti di telecomunicazioni. Tecniche di livello fisico per le comunicazioni a larga banda: tecniche avanzate di modulazione digitale, tecniche di diversità, sistemi MIMO e space-time, sistemi di smart antennas (beamforming/precoding), codifica di canale avanzata (es. LDPC, turbo codici), tecniche di ricetrasmissione su fibra ottica. Tecniche di accesso multiplo. Reti di accesso a larga banda in rame (xDSL ed evoluzioni) e fibra ottica (FTTx, PON ed evoluzioni). Reti di accesso wireless a larga banda (4G/5G ed evoluzioni). Integrazione delle reti di accesso nelle moderne reti di trasporto. Paradigmi emergenti per le reti mobili di prossima generazione (x-RAN, NFV, SDN). Sistemi di broadcasting radiotelevisivo (DVB-x, DAB ed evoluzioni). Tecniche efficienti per la fornitura di servizi multimediali su rete Internet (streaming video, IPTV). Introduzione al Software-Defined Radio ed attività di laboratorio.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Capitoli selezionati dai seguenti testi:
[1] A. Pattavina, Reti di Telecomunicazioni, 2nd ed., McGraw-Hill, 2007
[2] R. Ramaswami, K.N. Sivarajan, G.H. Sasaki, Optical Networks - A Practical Perspective , 3rd ed., Morgan Kaufmann, 2009
[3] T. Ogunfunmi, M. Narasimha, Principles of Speech Coding , CRC Press, 2010
[4] H.G. Perros, Connection-oriented Networks , Wiley, 2005
[5] A. Goldsmith, Wireless Communications , Cambridge University Press, 2005
[6] M. Sauter, From GSM to LTE-Advanced Pro and 5G , 3rd ed., Wiley, 2017
[7] E. Dahlman, S. Parkvall, J. Sköld, 5G NR: The Next Generation Wireless Access Technology , Academic Press, 2018

Il corso approfondisce gli aspetti tecnologici di alcune apparecchiature avanzate per imaging diagnostico e terapeutico.
Conoscenza e capacita' di comprensione: Lo studente conoscera le caratteristiche costruttive e i criteri progettuali di alcune apparecchiature quali PET, MRI, DBT.
INFORMAZIONI GENERALI - DOCENTE
INFORMAZIONI GENERALI - ATTIVITÀ
Capacita' di applicare conoscenza e comprensione: Lo studente sara in grado di applicare le conoscenze apprese per la valutazione tecnologica delle apparecchiature summenzionate.

(3 cfu) Struttura di uno scanner PET. Principi fisici e tecnologie per la detezione di fotoni. Algoritmi per la ricostruzione iterativa di immagini PET. Time of flight. Parametri tecnici di uno scanner PET. Standard Uptake Value. Qualita delle immagini PET. Artefatti da movimento in PET. Scanner PET-CT. Attenuation Correction. (3 cfu) Struttura di uno scanner MRI. Caratterizzazione del rumore. Disomogeneita di campo. Artefatti in MRI. Imaging con contrasto paramagnetico. Angiografia MR. Misura delle proprieta magnetiche dei tessuti. Analisi di alcune sequenze Gradient Echo. Parametri tecnici di uno scanner MRI. Qualita delle immagini in MRI. Effetti biologici dei campi magnetici all’interno di uno scanner MRI. Architettura dello scanner MRI: criostato e bobine principali, bobine gradiente, shimming, procedure di ramp-up e ramp-down, circuiti per la ricezione del segnale. (1 cfu) Introduzione alla PET-MRI. (1 cfu) Dual Energy CT. Dual Energy Mammography, Digital Breast Tomosynthesis. Flat panel. Tubi raggi X. (1 cfu) Il formato DICOM e la struttura generale dei PACS per le immagini mediche.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Appunti delle lezioni
Haacke, Magnetic Resonance Imaging: principles and sequence design Saha, Basics of PET imaging
Knoll, Radiation detection
Bshberg, The essential physics of medical imaging

L’insegnamento si propone di fornire agli allievi competenze multidisciplinari in grado di integrare normativa, metodologie e tecnologie ingegneristiche per ottimizzare e gestire, in modo sicuro, appropriato e economico la strumentazione biomedica in uso presso strutture sanitarie, con particolare riferimento agli aspetti normativi e le verifiche funzionali di strumentazione biomedica gestita dal servizio di ingegneria clinica.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper comprendere le problematiche relative alla gestione delle tecnologie biomediche, alle verifiche di sicurezza e funzionali degli elettromedicali, all’analisi del rischio di tali apparecchiature in ambito sanitario alla luce della normativa e legislazione di settore.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di progettare le varie attività tipiche dei servizi di ingegneria all’interno di una struttura che eroghi servizi sanitari. Per stimolare la parte applicata del processo di apprendimento, il percorso formativo comprende lo svolgimento di attività pratiche in laboratorio.

Problematiche di sicurezza e gestione del rischio relativo alla strumentazione biomedica. Norme CEI particolari e norme UNI riguardanti strumentazione biomedica specifica. Controlli di sicurezza, funzionali e delle prestazioni di strumentazione biomedica quali defibrillatori, elettrobisturi, elettrocardiografi, elettroencefalografi, monitor, ventilatori polmonari, macchine per anestesia, sistemi infusionali, incubatrici neonatali, fototerapie pediatriche, lampade scialitiche, apparecchiature ultrasoniche, litotrissie etracorporee, apparecchi radiologici, cappe, etc. Valutazione del rischio e gestione della strumentazione biomedica.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

John G Webster. Medical Instrumentation Application and Design. John Wiley &Sons;
FP Branca. Fondamenti di Ingegneria Clinica. Vol. 1 e 2.Springer editore;
normative CEI e UNI
diapositive delle lezioni

L’insegnamento ha lo scopo di approfonidre la conoscenza dei sistemi informativi fornendo allo
studente strumenti di analisi avanzati per affrontare i temi della BI e dei Big Data che sono oggi
pervasivi nel mondo del lavoro.
Conoscenza e capacita' di comprensione: Lo studente deve saper dimostrare di possedere capacità di analisi di scenari complessi al fine di
modellare dati e processi in maniera efficace.
Capacita' di applicare conoscenza e comprensione: Lo studente deve essere in grado di costruire un modello che si adatti alle esigenze aziendali a
partire da una fase di analisi dei requisiti.

Codifica dell’informaazione
Definizione di algoritmi complessi
Modellazione relazionale
Il linguaggio SQL
I Big Data
I sistemi NoSQL
Il cloud computing

Scritto e Orale con voto in trentesimi

Libro: Decoded: Capire Dati, Sistemi e Tecnologie per costruire il futuro. Elio Masciari, Simona Fioretto, Enea Vincenzo Napolitano

Acquisire i concetti fondamentali dell'elaborazione dei segnali. Saper applicare le metodologie alla risoluzione di problemi tipici dell’ingegneria biomedica.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere i concetti fondamentali dell’elaborazione dei segnali basata su modelli statistici. Deve mostrare padronanza dei principali metodi/algoritmi per l’estrazione di informazioni da segnali biomedici, portando in conto la presenza di rumore e di possibili segnali interferenti. Infine, deve dimostrare di conoscere i principi di funzionamento di un sensore radar e di come tali sensori possono essere impiegati per il monitoraggio di parametri biomedici.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di avere padronanza degli strumenti più idonei per effettuare l'analisi statistica di dati biomedici. Deve mostrare la capacità di saper selezionare gli strumenti più adeguati a effettuare l'analisi in frequenza/tempo-frequenza di segnali biomedici. Deve inoltre saper riconoscere le principali problematiche che intervengono nei processi di estrazione di informazioni da segnali biomedici. Deve altresì essere in grado di saper scegliere gli schemi di elaborazione dei segnali idonei all'estrazione di informazioni da segnali biomedici acquisiti mediante sensori radar.

Introduzione all'elaborazione dei segnali basata su modelli statistici. Tassonomia e definizione delle tecniche di stima. Parametri di qualità degli stimatori. Test di ipotesi. Applicazione di strumenti statistici per l’analisi di segnali biomedici. Analisi spettrale mediante DFT/FFT. Tecniche di stima non parametrica della densità spettrale di potenza. Analisi tempo-frequenza di segnali non stazionari. Principali tipologie di interferenze che contaminano i segnali biomedici e tecniche di filtraggio. Applicazioni tipiche dell’elaborazione dei segnali in ambito biomedicale: analisi di bio-segnali corrispondenti a elettrocardiogramma, fonocardiogramma, ed elettroencefalogramma. Utilizzo di sensori radar in contesto biomedico. Introduzione ai sistemi radar. Radar impulsati, ad onda continua e ad onda continua modulati in frequenza. Principali tecniche di elaborazione radar. Monitoraggio parametri vitali ed analisi del cammino (gait analysis) tramite radar in banda millimetrica. Laboratorio Matlab ed acquisizione di segnali biomedici attraverso dispositivi SDR.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Libri di testo:
B. Vidakovic, “Statistics for Bioengineering Sciences”, Springer texts in Statistics, 2011.
R. Rangayyan, “Biomedical signal analysis”, 2nd ed. John Wiley & Sons, 2015.
Dispense:
Slide del corso ed appunti (distribuiti annualmente).

Approfondire gli strumenti metodologici e le conoscenze di base dei fenomeni elettromagnetici, con particolare riferimento all’interazione con i tessuti biologici e le applicazioni dei campi elettromagnetici nelle neuroscienze. Esplorare le tecniche di diagnostica elettromagnetica, quali la risonanza magnetica con sequenze DWI, il tensore di diffusione, la trattotgafia, la risonanza magnetica funzionale o l’elettroencefalogramma. Esplorare le tecniche elettromagnetiche in terapia, quali stimolazione cerebrale elettrica e magnetica, o l'elettroporazione. Analizzare come i campi elettromagnetici sono utilizzati per il trattamento di disturbi neurologici. Fornire competenze tecniche per la progettazione dei dispositivi elettromagnetici usati in neurologia e per la valutazione degli effetti attraverso tecniche di imaging e monitoraggio funzionale.
Conoscenza e capacita' di comprensione: Gli studenti acquisiranno nuove conoscenze sulla radiazione, la propagazione e la ricezione dei campi elettromagnetici. Dovranno dimostrare capacità di comprendere i principali fenomeni elettromagnetici coinvolti nell’interazione de campi elettromagnetici con i tessuti umani, e nella progettazione di strumentazione diagnostica e terapeutica, con particolare riferimento alle applicazioni dell'elettromagnetismo nell'ambito delle neuroscienze.
Capacita' di applicare conoscenza e comprensione: Gli studenti dovranno dimostrare capacità di applicare la conoscenza acquisita allo sviluppo di strumenti software che consentano di modellare i fenomeni di magnetizzazione, risonanza e rilassamento, tipici della risonanza magnetica, all’uso ragionato di solutori numerici per lo studio della propagazione del campo nei tessuti e alla modellazione dei fenomeni elettromagnetici tipici delle applicazioni elettromagnetiche alle neuroscienze.

(1 cfu) Fenomeni di polarizzazione elettronica, molecolare, per orientamento e interfacciale.
Antenne filiformi e array di antenne sia lineari che planari per applicazioni biomedicali. Tasso di
assorbimento specifico e equazione del biocalore.
(3 cfu) Risonanza magnetica nucleare. Applicazione del campo statico e formazione della
magnetizzazione all’equilibrio: approccio classico e quantistico. Applicazione del campo a
radiofrequenza, rotazione della magnetizzazione e valutazione del flip angle. Fenomeno del
rilassamento spin-spin e spin-reticolo. Teorema di reciprocità e applicazione alla risonanza
magnetica per immagini. Campi gradiente e localizzazione in risonanza magnetica, Descrizione
dell’hardware in risonanza magnetica: magneti conduttori, bobine a radiofrequenza e per i campi
gradiente. Sequenze pesate in diffusione, tensore di diffusione, principi di trattografia e
applicazioni alle neuroscienze.
(2 cfu) Potenziale di transmembrana; modello di Hodgkin- Huxley, depolarizzazione della
membrana cellulare. Modello di Roth e Basser, propagazione degli impulsi lungo gli assoni.
Stimolazione transcranica magnetica e elettrica. Principi fisici dell’elettroporazione della
membrana cellulare e della membrana del nucleo.
(3 cfu) Esercitazioni numeriche sull’applicazione dei gradienti di fetta, di codifica di frequenza e di
fase; formazione del k-spazio e ricostruzione delle immagini in risonanza magnetica. Esperienze
di laboratorio sull’elettroporazione reversibile e irreversibile e sulla caratterizzazione di materiali
dielettrici con la tecnica del coefficiente di riflessione.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Dispense fornite dal docente.

L'obiettivo formativo è quello di introdurre ai principi e alla pratica della progettazione di tecnologie assistive e riabilitative, oltre a fornire conoscenze specialistiche per il supporto alla scelta e alla customizzazione di soluzioni tecnologiche assistive/riabilitative e per lo sviluppo di tecnologie assistive/riabilitative ad hoc.
Conoscenza e capacita' di comprensione: Gli studenti devono dimostrare di conoscere e comprendere le problematiche relative alla progettazione, sviluppo e individuazione delle tecnologie assistive e riabilitative appropriate in base allo specifico profilo di funzionamento dell’individuo. Il percorso formativo intende quindi fornire agli studenti le conoscenze e gli strumenti metodologici necessari per analizzare le problematiche connesse all’analisi del profilo di funzionamento e identificazione delle soluzioni tecnologiche assistive e riabilitative al fine di garantire l’autonomia funzionale dell’individuo.
Capacita' di applicare conoscenza e comprensione: Al termine del corso ci si aspetta che gli/le studenti/esse siano in grado di: analizzare e raccogliere i requisiti necessari per la progettazione di tecnologie assistive e riabilitative, customizzare tecnologie assistive e riabilitative, sviluppare tecnologie assistive/riabilitative utilizzando strumenti open source, valutare accessibilità di pagine web e documenti, progettare e condurre sessioni di user testing, sviluppare progetti di autonomia domestica personalizzata e di inserimento lavorativo, progettare e sviluppare virtual agents per il training di abilità sociali.
Ci si aspetta, inoltre, che gli studenti abbiano rafforzato, attraverso le attività del corso, le loro capacità di lavorare in gruppo, di approfondire in maniera autonoma argomenti di interesse relativi al corso e di comunicarli in modo chiaro ed efficace a colleghi/e e docenti.

Introduzione alla Riabilitazione e alla Disabilità:

• Definizioni e principali modelli teorici e metodologici (modello medico, modello sociale, modello bio-psico-sociale).
• Quadro normativo di riferimento nazionale e internazionale.
• L’assessment nella disabilità.
• Riabilitazione e ingegneria della riabilitazione.
  Tecnologie assistive e riabilitative:
• Definizioni e classificazioni.
• Quadro normativo di riferimento nazionale e internazionale.
• Ausili e tecnologie riabilitative per disabilità sensoriali, motorie, intellettive e psichiche.
• Tecnologie di supporto all’apprendimento.
• Processo di valutazione e scelta di tecnologie assistive e riabilitative.
  Accessibilità informatica e degli ambienti di vita:
• Quadro normativo di riferimento nazionale e internazionale.
• Tecnologie assistive per accedere a computer e mobile devices.
• Accessibilità documenti elettronici.
• Web Content Accessibility Guidelines.
• Autonomia domestica
• Tecnologie per inserimento nel contesto lavorativo
  Design di tecnologie assistive e riabilitative:
• Universal design.
• Design process.
• Identificazione requisiti.
• User testing.
  Nuove applicazioni di tecnologie assistive:
• Realtà estesa
• Virtual Agents: design e sviluppo

La valutazione finale consisterà in una combinazione di prova pratica (elaborato progettuale) e orale, così strutturata:

• La valutazione in trentesimi della prova pratica (elaborato progettuale), nei termini di: capacità di progettazione e sviluppo tecnologie assistive, livello di approfondimento del contenuto, capacità di elaborare collegamenti con casi applicativi, chiarezza nell’esposizione. In particolare, tali criteri generali verranno ulteriormente specificati ed esemplificati in una rubrica di valutazione che verrà messa a disposizione al termine del corso in modo che gli/le studenti/esse possano prepararsi efficacemente all’esame autovalutandosi sulla base dei suddetti criteri.
• Valutazione in trentesimi della prova orale, composta da domande aperte di approfondimento teorico. In generale i criteri di valutazione riguarderanno la correttezza con la quale saranno identificati o descritti i contenuti oggetto del corso.
  Nello specifico, i candidati all’esame, dopo essersi prenotati su Segrepass, caricano 7 giorni prima dell’esame il documento di design del loro progetto nel compito predisposto per la specifica seduta d’esame all’interno della piattaforma Blended Biomedica. Il docente valuta il documento in termini di complessità e coerenza ed assegna ad esso una valutazione in: approvato – non approvato. Se non è approvato, il candidato ha 2 giorni per modificare il documento in base alle indicazioni del docente presenti in piattaforma, e sottomettere nuovamente il documento. Se il documento è approvato, lo studente è ammesso all’esame. Durante il colloquio, il docente valuta la correttezza dell’elaborato e, soprattutto, il grado di consapevolezza dimostrato dal candidato rispetto al lavoro svolto, nonché la sua conoscenza dei contenuti del corso.

Tutto il materiale del corso (slide, tutorial, documenti, videoregistrazioni) sarà disponibile sulla piattaforma "Blended Biomedica".
Testi consigliati:

• Cook, A.M. and J.M. Polgar. 2015. Assistive technologies: Principles and Practices, Fourth Edition. St. Louis, MI: Elsevier Mosby. (ISBN: 978-0-323-09631-7)
• Woodcock, A., Moody, L., McDonagh, D., Jain, A., & Jain, L. C. (Eds.). (2020). Design of assistive technology for ageing populations. Cham, Switzerland: Springer International Publishing.
• Oishi, M. M. K., Mitchell, I. M., & Van der Loos, H. M. (Eds.). (2010). Design and use of assistive technology: social, technical, ethical, and economic challenges. Springer Science & Business Media.
• Gison, G., Vallefuoco, E., Venuti, P. SUPER Sistema Unitario in una Progettazione Educativa e Riabilitativa. Scheda di osservazione integrata per l'autismo. Erickson (2024).
• Encarnação, P., & Cook, A. M. (2023). What Are Assistive Technologies. The Routledge International Handbook of Children's Rights and Disability.
• World Health Organization. (2001). IFC: International classification of functioning, disability and health.
• Bickenbach, J. (2011). The world report on disability. Disability & Society, 26(5), 655-658.
• Global report on assistive technology.

Fornire le conoscenze sui protocolli e meccanismi alla base delle reti di calcolatori.
Introduzione alle tecnologie per l'Internet of Things, con particolare attenzione in ambito biomedicale.
Consolidamento delle abilità nella programmazione con il linguaggio Python, con particolare attenzione alla capacità di visualizzazione ed elaborazione dei dati.
Introduzione ad ulteriori strumenti per l'elaborazione dei dati provenienti da database.
Conoscenza e capacita' di comprensione: Conoscenze su diverse tecnologie informatiche necessarie in ambito biomedicale tra cui: le reti di calcolatori, la programmazione in Python per l'elaborazione e la visualizzazione dei dati, ulteriori strumenti per l'elaborazione di dati dai database.
Capacita' di applicare conoscenza e comprensione: Capacità di applicare gli strumenti presentati in aula in situazioni reali, capacità di decidere la migliore strategia per l'elaborazione e la visualizzazione dei dati. Capacità di monitorare e diagnosticare problemi nella rete di un sistema informativo sanitario.

Introduzione alle Reti di calcolatori: meccanismi e protocolli dei livelli dello stack TCP/IP.
Introduzione alle Reti Wireless.
Fondamenti di Internet of Things: Reti di comunicazione, sicurezza, IoT in ambito biomedicale.
Fondamenti di Cybersecurity: requisiti e elementi fondamentali della cybersicurezza, sicurezza nelle reti di calcolatori, legislazione sulla cybersicurezza.
Fondamenti di programmazione con Python.
Introduzione all'elaborazione di dati biomedicali.
Introduzione al Machine Learning.
Strumenti per l’archiviazione e manipolazione di dati struturati: introduzione a MySQL, ETL, Spoon PDI.

Valutazione della documentazione prodotta per l'elaborato progettuale. Discussione orale dell'elaborato progettuale. Discussione orale su altri argomenti del corso.

Il materiale didattico (lucidi e dispense) e i riferimenti ai manuali e ad altri riferimenti è preparato dal docente e fornito ai ragazzi durante lo svolgimento del corso. Disponibile sul cnaale Teams del corso.

Obiettivo dell’insegnamento è quello di introdurre il tema della trasmissione dell’informazione tra due punti nella eventualità in cui il canale di forme d’onda sia distorcente, o anche solo non spazialmente separato da trasmettitori adiacenti, e quindi risulti opportuno ricorrere ad un approccio multiportante. L’insegnamento si propone di fornire agli studenti nozioni specialistiche sull’approccio multiportante sia nella versione OFDM correntemente diffusa sia nella versione che ricorre a banchi di filtri, particolarmente promettente come soluzione dei futuri standard di rete, e sui meccanismi di sincronizzazione che costituiscono il nucleo della complessità di elaborazione dei ricetrasmettitori multiportante.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper comprendere le problematiche relative alle motivazioni insite nel ricorso ad una soluzione standard per i sistemi multiportante, ai vantaggi di una soluzione multiportante a banchi di filtri rispetto alla soluzione standard, e ai meccanismi di sincronizzazione per i sistemi multiportante. Deve dimostrare di sapere elaborare argomentazioni concernenti i nessi tra distorsione introdotta dal canale di forme d’onda e costruzione del segnale da trasmettere in modalità multiportante, ricordare il suo legame con la multiplazione a divisione di frequenza e con le modalità in cui vengono svolte le funzioni di sincronizzazione, illustrare il quadro complessivo dei vantaggi e degli svantaggi connessi alle varie scelte architetturali che definiscono un ricetrasmettitore multiportante.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di risolvere problemi concernenti il confronto dei vantaggi e degli svantaggi connessi alla scelta di una soluzione multiportante rispetto ad una soluzione alternativa, nonché alle diverse possibili alternative disponibili all’interno dei sistemi multiportante, e di saper condurre la progettazione di massima per la definizione delle soluzioni di connessione legate alla trasformazione digitale delle diverse tipologie di oggetti reali.

Richiami sulla segnalazione digitale su canale AWGN e a banda limitata. Descrizione di un sistema multiportante standard e dei suoi vantaggi rispetto alle alternative. Descrizione dei meccanismi fondamentali di sincronizzazione in un sistema multiportante standard. Descrizione di un sistema multiportante a banco di filtri, delle sue diverse versioni e delle diverse strutture di elaborazione che lo costruiscono. Descrizione dei meccanismi fondamentali di sincronizzazione in un sistema multiportante a banco di filtri. Descrizione dei vantaggi di un sistema multiportante a banco di filtri in confronto con uno standard.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Dispense rese disponibili online agli studenti del corso.

L’obiettivo formativo è fornire le conoscenze, fino al livello operativo, per comprendere il funzionamento di sistemi d’interesse per un ampio spettro di applicazioni della vita reale basata sulla Tomografia e l’Imaging elettromagnetici. Le applicazioni d’interesse riguarderanno la tomografia nelle applicazioni industriali e nelle applicazioni medicali (Microwave Tomography), l’imaging nelle applicazioni di sicurezza (body scanning), la diagnostica per immagini (TAC, PET e MRI) e il Ground Penetrating Radar. In particolare, si richiameranno i principi fondamentali della Tomografia e dell’Imaging elettromagnetici e si comprenderanno gli algoritmi effettivamente utilizzati per la loro elaborazione sino ad un livello di dettaglio operativo. Infine, si metteranno in pratica, in laboratorio, le conoscenze acquisite nella implementazione di alcuni semplici esempi di Tomografia e Imaging in codici di calcolo in grado di operare a partire da dati realistici.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di aver acquisito adeguata conoscenza dei principi fisici alla base delle principali tecniche di tomografia e imaging elettromagnetiche, quali la CAT, l’MRI, l’imaging a microonde e l’imaging passivo. Lo studente deve dimostrare di aver raggiunto anche una sufficiente comprensione delle motivazioni e dei limiti delle tipiche approssimazioni adottate in tali ambiti, utilizzate anche per la linearizzazione dei legami. Inoltre, deve aver raggiunto adeguata consapevolezza delle cause della malposizione di un problema inverso lineare e dei principali metodi di regolarizzazione con particolare riferimento al compromesso in termini di filtraggio del rumore e capacità di risoluzione.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di saper mettere in pratica, attraverso la descrizione analitica di appropriati algoritmi di calcolo, metodi iterativi e non iterativi per la soluzione di problemi tomografici. In particolare, deve essere in grado di discutere nel dettaglio metodi classici di regolarizzazione quali la tecnica di Tikhonov e le sue declinazioni in termini di iterazioni di Landweber e steepest descent nonché di Decomposizione ai Valori Singolari. Deve anche dimostrare un adeguato grado di capacità di gestione relativamente ai problemi di calcolo veloce per applicazioni tomografiche.

Richiami sugli elementi di base dell’elettromagnetismo. Il concetto di funzione di Green. Sorgenti elettromagnetiche e radiazione. Equazione della radiazione. La diffusione elettromagnetica e il concetto di campo incidente, campo diffuso e campo totale. Equazione della diffusione elettromagnetica. Introduzione alla tomografia e imaging elettromagnetici. Richiami ai principi fisici alla base della TAC, PET, MRI. [2 CFU]
Richiami agli algoritmi fondamentali per il trattamento dei dati (trasformata di Radon, backprojection, FFT e Non-Uniform FFT, ART, etc.). [1 CFU]
Problemi inversi e il concetto di mal posizione e mal condizionamento nella loro soluzione. Metodi per la soluzione e la discretizzazione delle equazioni di interesse. Algoritmi numerici per la soluzione del problema discreto. Tecniche di regolarizzazione e precondizionamento, e analisi delle prestazioni (SVD), gradiente coniugato, gradiente biconiugato stabilizzato, total variation, etc.). Tecniche algoritmiche ed implementative per la soluzione numerica e l’accelerazione dell’elaborazione. [2 CFU]
Applicazioni alla tomografia, al body scanning, al Ground Penetrating Radar, alla TAC, alla PET e alla MRI. [2 CFU]
Esercitazioni di laboratorio, sia di tipo numerico che di tipo sperimentale. [2 CFU]

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

M. Bertero, P. Boccacci, Introduction to Inverse Problems in Imaging, IoP Publishing
A.C. Kak, M. Slaney, Principles of Computerized Tomographic Imaging, SIAM

Obiettivo dell’insegnamento èdi fornire gli strumenti concettuali e operativi per risolvere problemi di visione robotica, con particolare riferimento alle applicazioni biomediche. Coerentemente, il corso si propone di dare le conoscenze necessarie per sviluppare in Python i principali algoritmi per l’elaborazione delle immagini e per utilizzare ambienti di sviluppo per reti neurali artificiali.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e comprendere gli strumenti metodologici per l’analisi e l’elaborazione delle immagini e dei video, inclusi gli strumenti di machine/deep learning.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di saper ragionare sulle problematiche riguardanti l’analisi e l’elaborazione di immagini e di saper utilizzare quelli più adatti alla risoluzione di problemi applicativi specifici, in particolare in ambito biomedico.

(3 CFU) Cenni sul sistema visivo umano. Analisi ed elaborazione di immagini: calcolo di statistiche elementari, operazioni puntuali, trasformazioni geometriche, interpolazione, filtraggio lineare nel dominio dello spazio e della frequenza. Estrazione di informazione dalle immagini: rivelazione degli orli, tecniche di segmentazione edge-based e class-based, algoritmo K-means, operazioni morfologiche, estrazione di keypoint e descrittori locali, co-registrazione.
(3 CFU) Deep learning e applicazioni: da machine learning a deep learning, architettura di una rete neurale artificiale, reti convoluzionali, autoencoder, addestramento di una rete neurale, overfitting, architetture notevoli, applicazioni al riconoscimento di oggetti e alla segmentazione semantica in ambito biomedico.
(3 CFU) Laboratorio: sviluppo di algoritmi in Python per l’analisi, l’elaborazione e l’estrazione di informazione dalle immagini. Progetto e addestramento di reti neurali artificiali per l’elaborazione di immagini.

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

L. Verdoliva, Appunti del corso di Elaborazione di Segnali Multimediali: http://wpage.unina.it/verdoliv/esm/ Appunti dalle lezioni
R. Szeliski, "Computer Vision: Algorithms and Applications" https://szeliski.org/Book/
A. Zhang, Z.C. Lipton, M. Li, A.J. Smola, “Dive into Deep Learning” http://d2l.ai/#