134768 - COMPUTATIONAL METHODS FOR MEDICAL PHYSICS

insegnamento
ID:
134768
Tipo Insegnamento:
Opzionale
Durata (ore):
54
CFU:
6
SSD:
FISICA APPLICATA (A BENI CULTURALI, AMBIENTALI, BIOLOGIA E MEDICINA)
Url:
FISICA/PERCORSO COMUNE Anno: 1
Anno:
2024

Dati Generali

Periodo di attività

Primo Semestre (16/09/2024 - 20/12/2024)

Syllabus

Obiettivi Formativi

Lo scopo del corso è quello di fornire un'introduzione ai metodi computazionali utilizzati in vari campi della fisica medica, come l'imaging medico e la dosimetria, ma che sono utili anche per un'ampia gamma di applicazioni. Tutti gli argomenti saranno presentati dal punto di vista applicativo e particolare enfasi sarà data alle sessioni pratiche. Oltre a una panoramica degli algoritmi e degli strumenti utilizzati per l'elaborazione di segnali e immagini digitali, il corso fornisce un'introduzione alle tecniche di intelligenza artificiale per la fisica applicata, con particolare attenzione alle applicazioni biomediche. Verrà inoltre fornito un breve tutorial sul metodo Monte Carlo e in particolare su Geant4, uno dei più generali toolkit open source per simulare il passaggio di particelle attraverso la materia. Alla fine del corso, lo studente sarà in grado di gestire ed elaborare segnali e immagini, creare e addestrare reti neurali ad-hoc con Tensorflow/Keras e simulare varie configurazioni e apparati sperimentali utilizzati in fisica medica e altre applicazioni.

Prerequisiti

Conoscenza di base dell'imaging medico fornite nel corso "Fisica dell'imaging medico (Taibi)".
Conoscenza di base di Python e dei linguaggi ad oggetti C e C++ fornite nel corso "Laboratorio di programmazione orientata agli oggetti (Tomassetti)".
Conoscenze di base dell'interazione radiazione-materia fornite nel corso "Fisica delle radiazioni ionizzanti (Cardarelli)".

Metodi didattici

Il corso si articolerà in lezioni frontali in aula su tutti gli argomenti del corso e in esercitazioni finalizzate a familiarizzare con gli strumenti presentati e ad applicarli a casi realistici.

Verifica Apprendimento

L'esame finale sarà una prova orale. Verranno discusse una o più relazioni preparate dallo studente su argomenti concordati con il docente per verificare la comprensione e la capacità di applicare le conoscenze acquisite a problemi concreti.

Testi

- Gonzales R.C., Woods R.E., Eddins S.L. - Digital Image Processing Using Matlab 2nd edition, 2010 (Gatemark Publishing)
- Rasckha S., Vahid Mirjalili - Python Machine Learning 2nd Edition, 2019 (Packt Publishing)
- Murthy K.P.N. - MONTE CARLO: BASICS, 2001 (https://arxiv.org/abs/cond-mat/0104215v1)

Contenuti

I principali argomenti trattati in questo corso sono:
- Elaborazione dei segnali e delle immagini digitali (18 h)
- Introduzione alle immagini digitali ed elaborazioni di base
- Strumenti per la gestione delle immagini e l'analisi dei dati: ImageJ/Matlab/Pyhton
- Trasformata discreta di Fourier
- Filtraggio nel dominio spaziale e della frequenza (smoothing, nitidezza, rilevamento dei bordi)
- Valutazione quantitativa della qualità dell'immagine (contrasto, SNR, MTF, NPS) -
Elementi di algoritmi di ricostruzione tomografica
- Statistica e Machine Learning per applicazioni biomediche (18 h)
- Introduzione ai pacchetti Python per Machine Learning e Radiomics (Scikit-learn, Keras, Pyradiomics)
- Metodi di Deep Learning per la classificazione e la segmentazione delle immagini
- Metodi per la spiegabilità del modello e la riduzione della dimensionalità (Grad-CAM, importanza delle caratteristiche, SHAP)
- Analisi delle componenti principali e test di ipotesi tramite Pyhton
- Metodo Monte Carlo per il tracciamento delle particelle (18 h)
- Introduzione al metodo Monte Carlo
- Panoramica dei principali codici Monte Carlo di tracciamento delle particelle (Geant4 (e relativi wrapper), FLUKA, MCNP)
- Elementi essenziali di un'applicazione Geant4
- Applicazioni pratiche ed esempi rilevanti: imaging a raggi X, dosimetria, risposta del rivelatore

Lingua Insegnamento

INGLESE

Altre informazioni

Per maggiori informazioni sul corso e sugli orari, si prega di inviare una mail al docente: ptrgfr@unife.it

Corsi

Corsi

FISICA 
Laurea Magistrale
2 anni
No Results Found

Persone

Persone

No Results Found