Preparare lo studente a sviluppare e interpretare i risultati dell’applicazione di alcuni metodi di analisi di segnali e immagini biomediche.
Verranno trattati i seguenti argomenti: generazione, propagazione e ricezione di segnali ecografici, tecniche di formazione delle immagini ecografiche; metodi convolutivi ed algebrici di formazione delle immagini mediche, metodi di deconvoluzione con regolarizzazione per il miglioramento del rapporto segnale/rumore; analisi wavelet per l'estrazione di features da segnali e immagini; tecniche di compressione di immagini sfruttando la sparsità dei coefficienti; tecniche non lineari di denoising; tecniche di sottocampionamento per l'acquisizione veloce di immagini mediche; alcuni metodi di apprendimento per la classificazione di dati biomedici; albero di classificazione; random forest per la predizione e la classificazione.
The following topics will be covered: generation, propagation and reception of ultrasound signals, techniques for the formation of ultrasound images; convolutional and algebraic methods of medical imaging, deconvolution methods with regularization for the improvement of the signal / noise ratio; wavelet analysis for the extraction of features from signals and images; image compression techniques exploiting the sparsity of the coefficients; non linear denoising techniques; subsampling techniques for fast medical image acquisition; deep learning methods for biomedical data classification; classification tree; random forest for prediction and classification.
A part will follow on learning methods from data, predictive methods and classification
Lo studente dovrà sviluppare in ambiente matlab le metodologie oggetto delle lezioni teoriche e saper interpretare i risultati.
The student will have to demonstrate the ability to practically implement, with critical judgment, the methodologies illustrated or carried out under the guidance of the teacher during the course.
In addition to the final test, these skills will also be checked in the laboratory held during the year.
Alla fine del corso gli studenti saranno in grado di:
- sviluppare applicazioni per la riduzione del rumore mediante metodi lineari e non lineari nelle immagini biomediche
- applicare metodi di analisi wavelet a segnali e immagini
- sviluppare metodi per la compressione e ricostruzione di immagini biomediche
- sviluppare metodi di deconvoluzione per il trattamento di segnali ed immagini biomediche
- applicare metodi di machine learning per l'analisi di segnali ed immagini biomediche
- conoscere i principi di formazione di immagini ecografiche e la modellistica di formazione delle stesse
At the end of the course students will be able to:
- develop applications for noise reduction using linear and nonlinear methods in biomedical images
- apply wavelet analysis methods to signals and images
- develop methods for compression and reconstruction of biomedical images
- develop deconvolution methods for the treatment of biomedical signals and images
- apply methods of machine learning for the analysis of biomedical signals and images
- know the principles of formation of ultrasound images and the modeling of their formation
Le capacità saranno verificate basandosi sulla discussione del materiale esercitativo sviluppato durante le ore di esercitazione usando il linguaggio Matlab.
Part of the exam will be based on the verification of the knowledge of the student about the methods explained during the course.
Part of exam will consist in the discussion of the laboratory material developed during the course.
Gli studenti sapranno individuare le corrette modalità di acquisizione ed elaborazione delle immagini biomediche in modo da preservare l'informazione utile.
Gli studenti svilupperanno la capacità di scegliere quali metodiche applicare nei vari scenari applicativi.
Students will be able to identify the correct ways of acquiring and processing biomedical images in order to preserve useful information. They will develop awareness of the need to accurately acquire and process data and minimize confounding factors.
Durante le sessioni di laboratorio gli studenti avranno modo di confrontarsi a livello di gruppi di lavoro sulle problematiche sviluppate durante le lezioni teoriche.
During the laboratory sessions, issues related to the topics developed during the course will be discussed at group level.
Aver acquisito le conoscenze sviluppate nel corso di Analisi e modelli di segnali biomedici tenuto al 1° anno della LM.
Have acquired the knowledge developed in the course of Analysis and models of biomedical signals held in the 1st year of the LM.
Principi di formazione delle immagini ecografiche
Trasformate wavelet mono e bidimensionali
Deconvoluzione algebrica 1D e 2D con e senza regolarizzazione
Deconvoluzione in frequenza
Denoising lineare e non lineare
Compressed sensing e applicazioni
Analisi multivariata applicata a segnali ed immagini biomediche
Classificazione e data mining
Principles of ultrasound imaging
Mono and two-dimensional wavelet transform
1D and 2D algebraic deconvolution with and without regularization
Frequency deconvolution
Linear and nonlinear denoising
Compressed sensing and applications
Multivariate analysis applied to biomedical signals and images
Classification and data mining.
Analisi e modelli di segnali biomedici a cura di Luigi Landini e Nicola Vanello, Pisa University Press, 2016 (Manuali)
Appunti forniti dal docente
Analysis and models of biomedical signals by Luigi Landini and Nicola Vanello, Pisa University Press, 2016 (Manuals)
Notes supplied by the teacher
Gli studenti non frequentanti potrammo sfruttare il materiale preparato dal docente ad integrazione dei contenuti presenti nel libro di riferimento.
Non-attending students will exploit the possibility to attend lessons in streaming
Prova orale
Oral examination