| 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 |
|---|---|---|---|
| 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
