(D1 e D2) Conoscere e saper applicare gli strumenti statistici e di analisi lineare e non lineare per analizzare dati biomedicali e per lo studio dei neurosegnali. (D3) Saper giudicare e valutare le differenze tra le differenti tecniche di analisi dei segnali in modo da applicare quella maggiormente indicata per lo specifico problema. (D4) Saper esporre in forma orale e scritta le problematiche relative all’analisi di segnali biomedicali. (D5) Saper comprendere informazioni contenute nei libri di testo e da altro materiale utilizzabili nell’analisi dei dati e segnali biomedici.

Conoscenze di base di teoria dei segnali.

Parte 1: Strumenti e parametri statistici; distribuzioni di probabilità; Normal plot; Inferenza statistica; intervallo di confidenza; dimensione ottima del campione; Verifica delle ipotesi; test parametrici e non parametrici; test a 1, a 2 e a più di 2 campioni; rette di regressione lineare; coeff di correlazione lineare Parte 2: Analisi dei segnali: metodi lineari e non lineari: PSD, beta exponent, fractal dimension, Poincarè plot Parte 3: Analisi di Neuroimaging Funzionale: Introduzione al Neuroimaging Funzionale, Principi di Base e Tecniche Comuni, Metodi di Analisi Specifici per il Neuroimaging, Applicazioni nella Ricerca e nella Clinica. Parte 4: Metodi di Analisi Dati Biomedici e Clinici: Metodi di Machine Learning e Deep Learning, Intelligenza Artificiale Generativa - concetti e potenziali applicazioni, Esempi e progetti pratici.

Di Orio: Statistica Medica; Slides del corso.

Parte 1: Strumenti e parametri statistici; distribuzioni di probabilità; Normal plot; Inferenza statistica; intervallo di confidenza; dimensione ottima del campione; Verifica delle ipotesi; test parametrici e non parametrici; test a 1, a 2 e a più di 2 campioni; rette di regressione lineare; coeff di correlazione lineare Parte 2: Analisi dei segnali: metodi lineari e non lineari: PSD, beta exponent, fractal dimension, Poincarè plot Parte 3: Analisi di Neuroimaging Funzionale: Introduzione al Neuroimaging Funzionale, Principi di Base e Tecniche Comuni, Metodi di Analisi Specifici per il Neuroimaging, Applicazioni nella Ricerca e nella Clinica. Parte 4: Metodi di Analisi Dati Biomedici e Clinici: Metodi di Machine Learning e Deep Learning, Intelligenza Artificiale Generativa - concetti e potenziali applicazioni, Esempi e progetti pratici.

Lezioni frontali

Esame orale e relazione scritta che verteranno sui contenuti delle quatro parti del corso.

Questo insegnamento approfondisce argomenti strettamente connessi a uno o più obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile delle Nazioni Unite. 3-Salute e benessere 4- Istruzione di qualità