- Di processo
- Gli studenti sviluppano la capacità di costruire e gestire pipeline complete di analisi delle immagini: dalla preparazione dei dati (raccolta, annotazione, normalizzazione) all’addestramento dei modelli, fino alla valutazione delle prestazioni e all’interpretazione dei risultati. Attraverso esercitazioni pratiche, imparano a implementare algoritmi di deep learning, a ottimizzarne i parametri e a risolvere problemi specifici come la segmentazione o la classificazione binaria, applicando metodologie replicabili in contesti clinici reali.
- Professionali
- Il corso fornisce competenze di base nell’ambito del deep learning applicato all’analisi di immagini mediche. I partecipanti apprendono le principali architetture e tecniche, tra cui classificazione, segmentazione, generazione e registrazione di immagini, con esempi pratici sviluppati in ambienti come google colab. Vengono inoltre acquisite conoscenze sull’utilizzo di dataset reali e sintetici, nonché sull’applicazione di modelli a diversi tipi di immagini (ecografiche, endoscopiche, rgb-d), includendo anche cenni agli aspetti etici dell’uso dell’ai in ambito sanitario.
- Di sistema
- Il corso promuove una visione integrata dell’uso dell’intelligenza artificiale nei sistemi sanitari, evidenziando il ruolo del deep learning nel supporto alla diagnosi, al monitoraggio e alla pianificazione clinica. I partecipanti comprendono le opportunità e i limiti di queste tecnologie, nonché il loro impatto sull’organizzazione della pratica medica e sull’evoluzione della “sala operatoria del futuro”. Viene inoltre sviluppata una consapevolezza critica rispetto alle implicazioni etiche, all’affidabilità dei modelli e all’integrazione di tali strumenti nei processi decisionali sanitari.