Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente
[W000629] - SEMINARIO - OPEN SOURCE E POST PROCESSING IN DIAGNOSTICA PER IMMAGINISEMINAR - OPEN SOURCE AND POST PROCESSING IN DIAGNOSTIC FOR IMAGES
SOFIA ROBERTA BERNARDINI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea - [MT07] TECNICHE DI RADIOLOGIA MEDICA, PER IMMAGINI E RADIOTERAPIA (ABILITANTE ALLA PROFESSIONE SANITARIA DI TECNICO DI RADIOLOGIA MEDICA) First Cycle Degree (3 years) - [MT07] IMAGING AND RADIOTHERAPY TECHNIQUES
Dipartimento: [040054] Dipartimento di Scienze Cliniche Specialistiche ed OdontostomatologicheDepartment: [040054] Dipartimento di Scienze Cliniche Specialistiche ed Odontostomatologiche
Anno di corsoDegree programme year : 3 - Secondo Semestre
Anno offertaAcademic year: 2020-2021
Anno regolamentoAnno regolamento: 2018-2019
Obbligatorio
Crediti: 1
Ore di lezioneTeaching hours: 10
TipologiaType: F - Altro
Settore disciplinareAcademic discipline: MED/50 - SCIENZE TECNICHE MEDICHE APPLICATE

LINGUA INSEGNAMENTO LANGUAGE

Italiano

Italian


PREREQUISITI PREREQUISITES

Iscrizione al terzo Anno di corso

Inscription third year


MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

Lezioni frontali e materiale didattico

frontal lectures and teaching materials


RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES
Conoscenze e comprensione.

Alla fine del corso lo studente sarà in grado di conoscere le tipologie di software gestionale delle apparecchiature di diagnostica per immagini. Sarà in grado di conoscere i meccanismi di visualizzazione, trasmissione ed elaborazione delle immagini digitali in 3D delle diverse apparecchiature.


Capacità di applicare conoscenze e comprensione.

Lo studente dovrà essere in grado di applicare le nozioni apprese per affrontare la gestione dell'open sorce e post processing in diagnostica per immagini.


Competenze trasversali.

Il seminario consente di acquisire conoscenze applicabili nel campo della diagnostica per immagini.


Knowledge and Understanding.

At the end of the course the student will be able to know the types of management software of diagnostic imaging equipment.
Will be able to know the mechanisms of visualization, transmission and processing of digital images in 3D of the various devices.


Capacity to apply Knowledge and Understanding.

The student must be able to apply the concepts learned to address the management of the open and post processing in diagnostic imaging.


Transversal Skills.

The seminar allows to acquire knowledge applicable in the field of diagnostic imaging.



PROGRAMMA PROGRAM

Il Software Libero: definizioni e licenze; Open software: caratteristiche del modello di sviluppo ed esempi di implementazione;Open software e Open hardware; esempi concreti: Libreoffice, The GIMP, VLC, 7-Zip, Arduino e Icub; Vantaggi e svantaggi dell’Open Source; Open Source nelle immagini mediche; standard DICOM e tools open source : esempi e caratteristiche di alcuni degli innumerevoli programmi Open Source sviluppati per uso medico per impieghi generici (visualizzazione) e per impieghi particolari (analisi immagini PET, segmentazione di immagini 3D, analisi avanzata di neuro immagini, etc) ;Tecniche di elaborazione delle immagini in diagnostica per immagini:la visualizzazione delle immagini; il post-processing delle immagini: elaborazione, miglioramento e analisi delle immagini ; la sintesi delle immagini: definizioni e caratteristiche delle tecniche MPR, MIP, MinIP, SSD, VR, VE; Il software Open Source per l’elaborazione di Immagini medicali: esempi con analisi comparativa degli applicativi più performanti; Esercitazioni di post-processing su casi studio: MPR, CPR, VR, VE e SSD attraverso l’uso di software Open Source.

Free Software: definitions and licenses; Open software: features of the development model and implementation examples; Open software and Open hardware; concrete examples: Libreoffice, The GIMP, VLC, 7-Zip, Arduino and Icub; Advantages and disadvantages of Open Source; Open Source in medical images; DICOM standards and open source tools: examples and characteristics of some of the countless Open Source programs developed for medical use for general use (visualization) and for particular uses (PET image analysis, 3D image segmentation, advanced neuro image analysis, etc); Image processing techniques in image diagnostics: image display; post-processing of images: image processing, improvement and analysis; image synthesis: definitions and characteristics of MPR, MIP, MinIP, SSD, VR, VE techniques; Open Source software for the processing of medical images: examples with comparative analysis of the most performing applications; Post-processing exercises on case studies: MPR, CPR, VR, VE and SSD through the use of Open Source software.


MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION
Modalità di valutazione dell'apprendimento.

Il conseguimento dell’apprendimento del seminario viene valutato tramite esposizione di una relazione orale


Criteri di valutazione dell'apprendimento.

La valutazione dello studente si basa sulla capacità dimostrata di conoscere adeguatamente il contenuti affrontati nel corso del seminario e sulla capacità di ragionare e sintetizzare le conoscenze.


Criteri di misurazione dell'apprendimento.

Il grado di apprendimento viene valutato con un voto finale in trentesimi


Criteri di attribuzione del voto finale.

Il voto finale è dato in trentesimi; l'esame sarà superato quando il voto è maggiore o uguale a 18. Si prevede di attribuire il voto più alto come 30/30 e lode.


Learning Evaluation Methods.

The successful learning is evaluated through the final exam which consist in a oral presentation.


Learning Evaluation Criteria.

The student's assessment is based on the proven ability to adequately know the contents of the seminary, on the demonstration of critical sense and ability to reason and synthesize the knowledge.


Learning Measurement Criteria.

The student's assessment is evaluated with a final vote in thirtieths.


Final Mark Allocation Criteria.

The final vote is given in thirtieths; the examination will be exceeded when the vote is greater than or equal to 18 in the oral presentation. It is foreseen to award the highest mark as 30/30 cum laude.



TESTI CONSIGLIATI RECOMMENDED READING

• Titolo: L'immagine digitale in diagnostica per immagini

• Title: The digital image in diagnostic imaging


Scheda insegnamento erogato nell’A.A. 2020-2021
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento.
Academic year 2020-2021

 


Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427