L’imaging biomedico è di tipo strutturale quando il dato fornisce informazioni sulla morfologia del tessuto ed è di tipo funzionale quando da esso è possibile ricavare parametri legati al metabolismo. Sul piano matematico, il modello di formazione del dato può essere lineare, come in tomografia a raggi X e in tomografia a emissione di positroni, o non lineare come nella tomografia a impedenza. La riduzione numerica di tale modello è il primo step che permetta la ricostruzione dell’immagine. Una volta ricostruita, l’immagine non è immediatamente fruibile per fini clinici, per cui la matematica diventa utile anche per ridurre il rumore sperimentale e gli artefatti, per identificare regioni omogenee di interesse clinico e per visualizzare l’informazione in modo affidabile.
Esiste un’immensa letteratura che descrive tecniche matematiche per l’imaging biomedico bidimensionale. I nuovi scanner, tuttavia, si affidano ormai direttamente ad acquisizioni intrinsecamente 3D, per cui è sempre più decisivo sviluppare approcci computazionali all’imaging in questo contesto.
Il progetto è articolato in due linee di ricerca e si pone l’obiettivo di:
- Sviluppare metodi di ricostruzione in Tomografia a Impedenza (EIT);
- Migliorare la qualità e l’interpretazione delle immagini ricostruite attraverso lo sviluppo di nuovi algoritmi di segmentazione, denoising, image restoration e image inpainting.
__
Data di inizio: 24/05/2022
Data di fine: 31/05/2023