Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente
[W001560] - INTERNET OF MEDICAL THINGS (IOMT)INTERNET OF MEDICAL THINGS (IOMT)
LUISIANA SABBATINI
Lingua di erogazione: INGLESELessons taught in: ENGLISH
Laurea Magistrale - [IM13] BIOMEDICAL ENGINEERING (Curriculum: eHealth and Clinical Engineering) Master Degree (2 years) - [IM13] INGEGNERIA BIOMEDICA (Curriculum: eHealth and Clinical Engineering)
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 2 - Secondo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2022-2023
Opzionale
Crediti: 6
Ore di lezioneTeaching hours: 48
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: ING-INF/03 - TELECOMUNICAZIONI

LINGUA INSEGNAMENTO LANGUAGE

Inglese

English


PREREQUISITI PREREQUISITES

Per affrontare al meglio lo studio dell'insegnamento, è necessario aver acquisito almeno le nozioni base di teoria ed elaborazione dei segnali.

To better address the study of this course contents, the basics of signals theory and processing are necessary.


MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

Durata del corso: 48 ore ripartite tra lezioni frontali ed attività di laboratorio.
(Lezioni frontali 40 ore, Laboratorio 8 ore).

Course duration: 48 hours divided between frontal lessons and laboratory activity.
(Lectures 40 hours, Lab 8 hours).


RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES
Conoscenze e comprensione.

A partire dallo studio delle problematiche di acquisizione, elaborazione e trasmissione dell’informazione nel contesto biomedicale, l’insegnamento consente agli studenti di acquisire le conoscenze necessarie a comprendere le tecnologie attualmente all’avanguardia ed a porre le basi per il progetto di nuove soluzioni relativamente all’utilizzo di sensori indossabili, alle infrastrutture di comunicazione, all’impatto dell’Internet of Things in ambito biomedicale e all’utilizzo di piattaforme Cloud per la gestione dei dati. Tali conoscenze forniscono allo studente una solida preparazione tecnica e di base unita ad una metodologia di lavoro. Questo consentirà di affrontare la progettazione ed ingegnerizzazione, in generale, di sistemi IoT nel campo medicale, di architetture di rete, di Wireless Sensor Network e di servizi ospitati su piattaforme Cloud.


Capacità di applicare conoscenze e comprensione.

Per affrontare le problematiche progettuali, lo studente deve comprendere le specifiche relative all’utilizzo di sensori e reti di sensori per il monitoraggio della persona, le tecnologie Cloud in ambito sanitario ed i requisiti di sistema, attuando le corrette scelte progettuali. Tale capacità si estrinseca in una serie di abilità professionalizzanti, quali la capacità di: a) scegliere la migliore tecnologia ed infrastruttura di comunicazione per il monitoraggio dei parametri clinici, in termini di qualità e capacità trasmissiva; b) selezionare le migliori unità di sensing/dispositivi biomedicali in relazione alle grandezze da misurare, alla specifica applicazione, alla tipologia di pazienti, all’infrastruttura di rete disponibile o da realizzare; c) dimensionare il sistema attraverso opportuni modelli matematici e strumenti di progettazione; d) identificare le cause di degrado delle prestazioni e le contromisure da adottare per preservare l’integrità del servizio.


Competenze trasversali.

Le simulazioni e le esperienze pratiche su particolari scenari applicativi consentono allo studente di migliorare la capacità di apprendimento in autonomia e di trarre conclusioni. Sia la capacità comunicativa che il grado di autonomia di giudizio in generale, vengono stimolati e affinati mediante la discussione orale delle problematiche connesse alla progettazione ed attraverso l’implementazione pratica in laboratorio di sensori e reti di sensori per Internet of Medical Things funzionali al monitoraggio di parametri biomedicali, alla trasmissione dei dati acquisiti e alla loro storicizzazione ed elaborazione in Cloud.


Knowledge and Understanding.

Starting from the study of the problems of acquisition, processing and transmission of information in healthcare, the teaching enables students to acquire the knowledge necessary to understand the advanced solutions, and to lay the groundwork for the design of new solutions, relatively to wearable devices applications, communication networks, Internet of Medical Things, and to the use of Cloud platforms for data management. This knowledge will provide the student with a solid technical expertise, combined with a working methodology that will allow to design IoMT scenarios, Wireless Sensor Network, network architectures, services hosted on Cloud platforms, and ICT systems for health in general.


Capacity to apply Knowledge and Understanding.

In order to deal with advanced design issues, the student must be able to understand the specifications related sensors networks in the healthcare, Cloud technologies in the healthcare, and the system requirements, implementing the correct design choices. This ability will be applied in practice through a number of skills, such as the ability: a) to properly choose the right technology, and its system architecture, to meet the quality requirements and transmission capacity; b) to select the best sensing units / biomedical devices in relation to the quantities to be measured, the specific application, the number and location of the patients, the network infrastructure available or to be implemented; c) to quantify the parameters necessary for the dimensioning of the system through the use of appropriate mathematical models and design tools; d) to identify the causes of performance degradation and the related countermeasures to be adopted to preserve the integrity of the service.


Transversal Skills.

Simulations and practical experiences on particular application scenarios allow the student to improve learning skills in autonomy and to draw conclusions. Both the ability to communicate that the degree of independence of judgment in general, will be stimulated and refined through the oral discussion of the issues related to the sizing and design of the problems connected to the design and through the practical implementation in the laboratory of IoMT systems, sensors and wireless sensor networks for the monitoring of biomedical parameters, the transmission of the acquired data and their storage and processing in the Cloud.



PROGRAMMA PROGRAM

Tecnologie di telecomunicazione in campo biomedicale. Sensori indossabili per il monitoraggio della persona. Architetture di reti di telecomunicazione per i sistemi sanitari. Impatto dell’Internet of Things nel monitoraggio della persona. Basi di tecnologie trasmissive con focus sulle soluzioni wireless. Tecnologie di comunicazione per la sanità elettronica mobile. Interoperabilità tra sistemi e protocolli. Tele-medicina e tele-riabilitazione. Casi di studio e applicazioni delle Wireless Sensors Networks e delle piattaforme Cloud in ambito Biomedicale. Protocolli di comunicazione. Basi di Sicurezza e Privacy. Intelligenza Artificiale.

Attività di laboratorio.
Introduzione al Machine Learning e all'intelligenza artificiale per applicazioni biomedicali. Sensori indossabili, Wireless Body Sensor Network (WBSN) e Wireless Sensor Network (WSN). Tutorial e realizzazioni pratiche di sensori, di WBSN e WSN. Sviluppo e test di Inertial Measurement Units (IMU). Algoritmi di Fall Detection. Applicazione di sistemi inerziali al monitoraggio di pazienti neurologici e per test clinici. Rilevamento posturale. Livello di attività e tracking. Monitoraggio cardiaco. Applicazioni IoT per Smart Environments.

Telecommunication technologies for biomedical applications. Wearable sensors for personal monitoring. Telecommunication networks architectures for health systems. Impact of the Internet of Things in personal monitoring . Transmission technologies focused on wireless solutions. Communication technologies for mobile healthcare. Interoperability between systems and protocols. Tele-medicine and tele-rehabilitation. Case studies and applications of Wireless Sensors Networks and Cloud platforms in the biomedical area. Bases of Security and Privacy. Machine Learning and Artificial Intelligence for Biomedical Applications.

Laboratory activity.
Machine Learning and Artificial Intelligence for Biomedical Applications. Wearable sensors, Wireless Body Sensor Network (WBSN) and Wireless Sensor Network (WSN). Tutorials and practical realizations of sensors, WSN, and WBSN. Development and testing of Inertial Measurement Units (IMU). Fall Detection algorithms. Application of inertial systems for the monitoring of neurological diseases and clinical tests. Postural detection. Activity level and tracking. Cardiac monitoring. IoT for Smart Environment applications.


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

La valutazione dell'apprendimento consiste in una prova orale, basata sulla discussione di due o più argomenti trattati nel corso, comprese le sessioni di laboratorio. Alcune domande poste durante la sessione orale possono richiedere l'esecuzione di brevi calcoli.


Criteri di valutazione dell'apprendimento.

Per superare con successo la valutazione dell'apprendimento è necessario dimostrare di possedere le conoscenze e le competenze metodologiche per la caratterizzazione dei requisiti di telecomunicazione di sistemi sanitari elettronici e mobili, la definizione delle loro prestazioni, la selezione dell'architettura più adatta in relazione a specifici casi d'uso. Per superare con successo l'esame orale, è necessario dimostrare una conoscenza generale dei contenuti del corso, comprese le sessioni di laboratorio, presentati in modo sufficientemente corretto con l'uso di una corretta terminologia tecnica. Il punteggio più alto si ottiene dimostrando una conoscenza approfondita dei contenuti del corso, esposta con completa padronanza del linguaggio tecnico.


Criteri di misurazione dell'apprendimento.

Per l'esame orale viene attribuito un punteggio in trentesimi, da diciotto a trenta/trenta e Lode.


Criteri di attribuzione del voto finale.

Il punteggio più alto si ottiene dimostrando una conoscenza approfondita dei contenuti del corso (comprese le sessioni di laboratorio) esposti con completa padronanza del linguaggio tecnico. La Lode è attribuita nel caso in cui si dimostri una particolare brillantezza nella prova orale. Il punteggio minimo è assegnato qualora si mostri una sufficiente conoscenza dei contenuti del corso e la capacità di selezionare e valutare gli approcci tecnologici corretti ai sistemi e alle architetture per l'e-health anche in relazione ai contesti reali proposti.


Learning Evaluation Methods.

The assessment consists of an oral test, based on the discussion of two or more topics covered in the course, including the laboratory sessions. Some questions posed during the oral session may require the execution of short calculations.


Learning Evaluation Criteria.

In order to successfully pass the assessment of learning, it is required to demonstrate knowledge and methodological skills for the characterization of the telecommunication requirements for E-health and M-health systems, the definition of their performance, the selection of the most suitable architecture in relation to specific use cases. To successfully pass the oral exam, it is necessary to demonstrate an overall knowledge of the course content, including the laboratory sessions, presented in a sufficiently correct way with the use of proper technical terminology. The highest rating is achieved by demonstrating a thorough understanding of the course content, exposed with complete appropriateness of technical language.


Learning Measurement Criteria.

For the oral test, a score between zero and thirty/thirty and praise is assigned.


Final Mark Allocation Criteria.

The highest rating is achieved by demonstrating a thorough understanding of the course content (including the laboratory sessions) exposed with complete appropriateness of technical language. Praise is given in case of particular brilliance in the oral test. Minimum rating is assigned if enough knowledge of the course contents is shown, together with the ability to select and evaluate the correct technological approaches to E-health systems and architectures, in relation to real cases study.



TESTI CONSIGLIATI RECOMMENDED READING

Slide delle lezioni e materiale integrativo messo a disposizione dal docente sulla piattaforma Moodle. https://learn.univpm.it

Lecturer's slides available from the course website on the Moodle web platform; additional reading material (like papers) suggested or provided by the lecturer through the same website.
https://learn.univpm.it


E-LEARNING E-LEARNING

no

no


Scheda insegnamento erogato nell’A.A. 2023-2024
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento.
Academic year 2023-2024

 


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