| Corsi di Laurea | Corsi di Laurea Magistrale | Corsi di Laurea Magistrale a Ciclo Unico |
| Scuola di Ingegneria | ||
| INGEGNERIA DELL'INFORMAZIONE | ||
Insegnamento
LABORATORIO DI BIOINGEGNERIA
INP5071700, A.A. 2018/19
Informazioni valide per gli studenti immatricolati nell'A.A. 2016/17
LABORATORIO DI BIOINGEGNERIA
INP5071700, A.A. 2018/19
Informazioni valide per gli studenti immatricolati nell'A.A. 2016/17
Principali informazioni sull'insegnamento
| Corso di studio |
Corso di laurea in INGEGNERIA DELL'INFORMAZIONE IN0513, ordinamento 2011/12, A.A. 2018/19 |
 porta questa pagina con te |
|---|---|---|
| Crediti formativi | 6.0 | |
| Tipo di valutazione | Voto | |
| Denominazione inglese | BIOENGINEERING LABORATORY | |
| Dipartimento di riferimento | Dipartimento di Ingegneria dell'Informazione (DEI) | |
| Sito E-Learning | https://elearning.dei.unipd.it/course/view.php?idnumber=2018-IN0513-000ZZ-2016-INP5071700-N0 | |
| Obbligo di frequenza | No | |
| Lingua di erogazione | ITALIANO | |
| Sede | PADOVA | |
| Corso singolo | È possibile iscriversi all'insegnamento come corso singolo | |
| Corso a libera scelta | È possibile utilizzare l'insegnamento come corso a libera scelta |
Docenti
| Responsabile | ALESSANDRA BERTOLDO | ING-INF/06 |
|---|
Dettaglio crediti formativi
| Tipologia | Ambito Disciplinare | Settore Scientifico-Disciplinare | Crediti |
|---|---|---|---|
| CARATTERIZZANTE | Ingegneria biomedica | ING-INF/06 | 6.0 |
Organizzazione dell'insegnamento
| Periodo di erogazione | Secondo semestre |
|---|---|
| Anno di corso | III Anno |
| Modalità di erogazione | frontale |
| Tipo ore | Crediti | Ore di didattica assistita |
Ore Studio Individuale |
|---|---|---|---|
| LEZIONE | 6.0 | 48 | 102.0 |
| Inizio attività didattiche | 25/02/2019 |
|---|---|
| Fine attività didattiche | 14/06/2019 |
| Visualizza il calendario delle lezioni | Lezioni 2019/20 Ord.2011 |
Commissioni d'esame
| Commissione | Dal | Al | Membri |
|---|---|---|---|
| 5 A.A. 2019/2020 | 01/10/2019 | 15/03/2021 |
VISENTIN
ROBERTO
(Presidente)
DALLA MAN CHIARA (Membro Effettivo) BERTOLDO ALESSANDRA (Supplente) DEL FAVERO SIMONE (Supplente) FACCHINETTI ANDREA (Supplente) PEDERSEN MORTEN GRAM (Supplente) SACCOMANI MARIAPIA (Supplente) SCHIAVON MICHELE (Supplente) SPARACINO GIOVANNI (Supplente) TOFFOLO GIANNA MARIA (Supplente) |
| 4 A.A. 2018/2019 | 01/10/2018 | 15/03/2020 |
BERTOLDO
ALESSANDRA
(Presidente)
TOFFOLO GIANNA MARIA (Membro Effettivo) DALLA MAN CHIARA (Supplente) FACCHINETTI ANDREA (Supplente) PEDERSEN MORTEN GRAM (Supplente) SACCOMANI MARIAPIA (Supplente) SAWACHA ZIMI (Supplente) SPARACINO GIOVANNI (Supplente) |
| 3 A.A. 2017/2018 | 01/10/2017 | 15/03/2019 |
BERTOLDO
ALESSANDRA
(Presidente)
DALLA MAN CHIARA (Supplente) FACCHINETTI ANDREA (Supplente) PEDERSEN MORTEN GRAM (Supplente) RUGGERI ALFREDO (Supplente) SACCOMANI MARIAPIA (Supplente) SPARACINO GIOVANNI (Supplente) TOFFOLO GIANNA MARIA (Supplente) |
| Prerequisiti: | Il corso fa uso soprattutto delle conoscenze di analisi del segnale a tempo continuo e del suo studio in frequenza (trasformata di Fourier; durata e banda), filtri (risposta impulsiva, risposta in frequenza, funzione di trasferimento), interpolazione, modelli compartimentali, stimatori lineari e non lineari. Conoscenze acquisibili frequentando il corso di Sistemi e Modelli e il corso di Segnali e Sistemi. |
| Conoscenze e abilita' da acquisire: | Lo studente sarà in grado di studiare e sperimentare in ambiente Matlab:
1) le metodologie di sviluppo di un modello biologico 2) i metodi di stima dei parametri dei modelli 3) l’analisi di serie temporali con particolare riferimento al segnale EEG 4) l’interpretazione dei risultati biologici tramite biostatistica. Acquisirà le seguenti competenze: 1. Apprendere e interpretare criticamente la stima dei parametri di un modello 2. Conoscere i principali modelli matematici che descrivono i processi di farmacocinetica 3. Conoscere e saper utilizzare i principali filtri di segnali EEG 4. Conoscere i principali ambiti di applicazione dell'analisi del movimento |
| Modalita' di esame: | La verifica delle conoscenze e delle abilità attese viene effettuata con una prova di esame suddivisa in due parti:
1. sviluppo di due progetti volti a verificare la capacità di applicazione della teoria in contesti biomedicale; 2. esame scritto composto da domande chiuse a risposta multipla volte a verificare il livello delle conoscenze acquisite durante il corso. Il voto finale viene espresso come combinazione dei giudizi dei due progetti (70%) e delle'esame scritto (30%). |
| Criteri di valutazione: | I criteri di valutazione con cui verrà effettuata la verifica delle conoscenze e delle abilità attese, e opportunamente declinati a seconda della articolazione del corso, saranno:
1. Completezza delle conoscenze acquisite 2. Capacità di risolvere un problema e interpretare criticamente i risultati 3. Originalità e indipendenza nella soluzione dei progetti proposti |
| Contenuti: | MODELLI DI SISTEMI BIOLOGICI (24 ore): stima a massima verosimiglianza: le stime iniziali, la descrizione dell’errore di misura, la precisione delle stime. La scelta del modello: AIC, BIC e f-test. Analisi di sensitività mediante derivate parziali (PD, NPD). Simulazione Montecarlo. Simulazione con bootstrap. Casi di studio .
SERIE TEMPORALI BIOLOGICHE (12 ore): Algoritmi di denoising, riconoscimento e analisi di picchi, misure di entropia. Casi di studio BIOSTATISTICA (12 ore): Analisi esplorativa dei dati (indici, istogrammi e boxplot, misure di posizione, di dispersione, di forma); alcuni elementi di statistica inferenziale (test statistici) Casi di studio |
| Attivita' di apprendimento previste e metodologie di insegnamento: | Il 40% delle ore sarà dedicato a lezioni frontali. Il rimanente 60% sono lezioni dedicate alla soluzione di esercizi in Matlab. In particolare:
MODELLI (Matlab): sviluppo e identificazione di modelli per il trasporto e diffusione di sostanze chimiche e farmaci, per la diffusione in mezzi porosi/valvole cardiache, per la crescita tissutale e tumorale, per l’analisi della performance sportiva, di systems biology: circuiti di regolazione genica e proteica SERIE TEMPORALI (Matlab): analisi di serie ormonali, segnali EEG, segnali EMG, ECG e segnale di variabilità cardiaca BIOSTATISTICA (Matlab): test statistici per la valutazione dell’effetto di un farmaco da un trial clinico. Analisi “Big Data” : identificazione di geni differenzialmente espressi |
| Eventuali indicazioni sui materiali di studio: | Tutto il materiale didattico presentato durante le ore di lezione frontale è reso disponibile sulla piattaforma "http://elearning.dei.unipd.it". |
| Testi di riferimento: |
|
- Lecturing
- Laboratory
- Case study
- Problem solving
