Insegnamento SCIENZE FISICHE
| Nome del corso di laurea | Tecniche di radiologia medica, per immagini e radioterapia (abilitante alla professione sanitaria di tecnico di radiologia medica) |
|---|---|
| Codice insegnamento | GP003719 |
| Curriculum | Comune a tutti i curricula |
| CFU | 7 |
| Regolamento | Coorte 2024 |
| Erogato | Erogato nel 2024/25 |
| Erogato altro regolamento | |
| Anno | 1 |
| Periodo | Primo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa integrata |
| Suddivisione |
FISICA DELLE RADIAZIONI
| Codice | A000082 |
|---|---|
| CFU | 2 |
| Docente responsabile | Andrea Orecchini |
| Docenti |
|
| Ore |
|
| Attività | Base |
| Ambito | Scienze propedeutiche |
| Settore | FIS/07 |
| Tipo insegnamento | Obbligatorio (Required) |
FISICA GENERALE
| Codice | 50011800 |
|---|---|
| CFU | 1 |
| Docente responsabile | Andrea Orecchini |
| Docenti |
|
| Ore |
|
| Attività | Base |
| Ambito | Scienze propedeutiche |
| Settore | FIS/07 |
| Tipo insegnamento | Obbligatorio (Required) |
INFORMATICA
| Codice | GP003730 |
|---|---|
| CFU | 2 |
| Docente responsabile | Ivan Gerace |
| Docenti |
|
| Ore |
|
| Attività | Base |
| Ambito | Scienze propedeutiche |
| Settore | INF/01 |
| Tipo insegnamento | Obbligatorio (Required) |
| Lingua insegnamento | ITALIANO |
| Contenuti | Rappresentazione digitale di immagini. Introduzione al linguaggio di programmazione C. Gestione di immagini digitali tramite linguaggio di programmazione C. |
| Testi di riferimento | Gonzalez, Woods, "Digital Image Processing", Prentice Hall, Pearson Education. Kochan, "Programmare in C. Introduzione al linguaggio", Pearson. |
| Obiettivi formativi | Lo studente al termine del corso dovrà essere in grado di progettare e scrivere un semplice programma in linguaggio C per la gestione di immagini digitali. |
| Prerequisiti | Nessuno. |
| Metodi didattici | Lezione frontale. Lezione guidata al laboratorio informatico. Problem solving. |
| Altre informazioni | Nessuna. |
| Modalità di verifica dell'apprendimento | Verifica al laboratorio informatico e esame orale. |
| Programma esteso | La luce. Rappresentazione RGB, CMYK, Lab. Sfocatura e corruzione da rumore di una immagine. Operatori puntuali, locali e globale per la ricostruzione di immagini. Problema della quantizzazione. Stima del flusso ottico. Separazione di componenti. Tomografia. Demosaicizzazione. Variabili in linguaggio C. Comandi for, while e if. Lettura e scrittura su un file. Gestione di una immagine a livelli di grigio. Gestione e creazione di immagini a colori. |
| Obiettivi Agenda 2030 per lo sviluppo sostenibile | 4 |
METODOLOGIA DELLA RICERCA
| Codice | 40285806 |
|---|---|
| CFU | 2 |
| Docente responsabile | Donatella Siepi |
| Docenti |
|
| Ore |
|
| Attività | Caratterizzante |
| Ambito | Scienze interdisciplinari |
| Settore | SECS-S/02 |
| Tipo insegnamento | Obbligatorio (Required) |
| Lingua insegnamento | ITALIANO |
| Contenuti | Generalità sulla statistica e suo impiego in Medicina. Scopi e metodi dell’analisi statistica, caratteri statistici e classificazione. STATISTICA DESCRITTIVA: principli indici di statistica descrittiva, loro utilizzo e loro rappresentazione Epidemiologia e Clinical Trials Calcolo delle Probabilità. STATISTICA INFERENZIALE. Valutazione dei dati loro utilizzo ed elaborazione Correlazione per l’associazione tra variabili qualitative. Regressione lineare. Tavole e curve di sopravvivenza. |
| Testi di riferimento | Fowler J., Jarvis P., Chevannes M.: STATISTICA PER LE PROFESSIONI SANITARIE. Edizioni EdiSES. Disponibilità dei materiali didattici sulla piattaforma UniStudium |
| Obiettivi formativi | Il modulo di Statistica rappresenta l'unico insegnamento di Statistica del CdS ed esamina i principi introduttivi e di base necessari alla comprensione degli elementi di statistica descrittiva ed inferenziale. L'obiettivo principale del modulo consiste nel fornire agli studenti le nozioni per affrontare la gestione e l'interpretazione dei dati in ambiente lavorativo. Le principali conoscenze acquisite saranno: comprendere e conoscere i termini principali della Statistica descrittiva; conoscere le basi del calcolo delle probabilità; i vari aspetti della buona conduzione di Trials clinici; come valutare i dati e la loro possibile elaborazione. Le principali abilità acquisite saranno organizzare, elaborare, interpretare dati scientifici prodotti in ambiente lavorativo e riscontrabili nella letteratura scientifica e comunicare idoneamente le informazioni di sintesi ottenute. |
| Prerequisiti | Per poter comprendere ed utilizzare i concetti descritti nell'insegnamento si richiede la conoscenza di elementi di base di Matematica, di Informatica e di Inglese scientifico. |
| Metodi didattici | Lezioni Frontali: lezioni in aula su tutti gli argomenti del modulo stesso con l’utilizzo di supporti visivi e discussione con gli studenti. |
| Modalità di verifica dell'apprendimento | L'esame prevede una prova orale che consiste in una discussione finalizzata ad accertare il livello di conoscenza e capacità di comprensione raggiunto dallo studente sugli argomenti presentati a lezione e riportati nel programma. Lo studente deve dimostrare di conoscere le nozioni statistiche di base per poter leggere e comprendere un articolo, valutare ed utilizzare dei dati. La prova orale consentirà, inoltre, di verificare le capacità di comunicazione dello studente, la sua proprietà di linguaggio, la capacità di applicare le competenze acquisite e di elaborare soluzioni in autonomia di giudizio. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | Generalità sulla statistica e suo impiego in Medicina. Scopi e metodi dell’analisi statistica, caratteri statistici e classificazione. STATISTICA DESCRITTIVA Misurazioni e campionamento negli studi sanitari. Analisi dei dati e loro presentazione. Presentazione dei risultati su tabelle. Principali rappresentazione grafiche (ortogrammi, istogrammi ecc). Frequenze assolute, relative, cumulate. Distribuzione delle frequenze. Misure di tendenza centrale. Misurazione della variabilità. Curve di frequenze simmetriche ed assimetriche. EPIDEMIOLOGIA Misure di frequenza di una malattia: prevalenza e frequenza. Tipi di studi. Confondimento. CLINICAL TRIALS Storia, natura dei clinical trials. Tipologie di clinical trials. Aspetti etici. Buona conduzione di uno studio clinico. CALCOLO delle PROBABILITA'. Definizione e teorie di calcolo delle probabilità. Evento e spazio degli eventi. La misura della probabilità. Principi fondamentali del calcolo delle probabilità. Teorema di Bayes e applicazioni. Specificità e Sensibilità. Valori predittivi positivi, valori predittivi negativi. Rischio relativo e odds-ratio. ROC-curve e loro interpretazione. Legge empirica del caso. Distribuzioni teoriche di probabilità: gaussiana e binomiale e di Poisson. Applicazioni. STATISTICA INFERENZIALE. Cenni sui teoremi del limite centrale. Errore standard. Livelli di significatività. Intervalli di confidenza. Distribuzione normale standardizzata e distribuzione T-student. Verifica d’ipotesi: il concetto di ipotesi, errore di I° specie e di II° specie. Potenza del test. Test basati su un campione. Test Z per la media. Test ad una coda e a due code. Confronto tra medie per campioni appaiati e per campioni indipendenti. Statistiche parametriche e non parametriche. Analisi della varianza. Come utilizzare il test t per individuare le differenze tra più gruppi. Test per confronti multipli. Test del ¿2: significato, proprietà e applicazioni. Correlazione per l’associazione tra variabili qualitative , coefficiente di Pearson, coefficiente di Spearman. Regressione lineare. Tavole e curve di sopravvivenza. |