Primo Ricercatore
Bioingegneria e Biotecnoscienze | Analisi Immagini e Segnali Biomedici, Cuore Fisiopatologia Cardiovascolare
Attività di Ricerca
La mia attività riguarda prevalentemente l’elaborazione di immagini biomediche e la ricerca più recente è rivolta allo sviluppo di nuovi metodi di analisi basati su strumenti di intelligenza artificiale (IA), machine learning e deep learning in particolare.
Aspetti principali: Nuovi metodi di classificazione e segmentazione di bioimmagini mediante IA
Il machine learning, e il deep learning in particolare, sono nuove tecniche che molto recentemente sono state applicate anche nell’ambito delle immagini biomediche, sia per scopi di classificazione, che di segmentazione. Visto che mi occupo da tempo di problematiche legate alla classificazione e segmentazione delle bioimmagini, è stato abbastanza ‘naturale’ applicare le nuove metodologie di deep learning in tale ambito. In particolare sono stati sviluppati modelli di rete applicati su immagini: a. di risonanza magnetica (immagini T2* del pancreas, fMRI cerebrali ); b. immagini cardiache PET, con tracciante [18F]florbetaben per studi di caratterizzazione dell’amiloidosi cardiaca; c. immagini cerebrali PET, con tracciante [18F]FDG per studi su Alzheimer.
Applicazione di strumenti di XAI e reti bayesiane Sempre nell’ambito dell’IA, grazie anche all’ausilio di dottorandi e laureandi di Ingegneria Biomedica di Pisa, mi sto occupando dell’utilizzo di reti bayesiane e di IA spiegabile (Explanable Artificial Intelligence – XAI ), strumenti molto utili nel dare informazioni quantitative sia riguardo gli errori delle decisioni della rete (errore epistemico), sia per indicare al clinico quali caratteristiche dell’immagine hanno portato la rete a prendere quella particolare decisione. L’addestramento e relativo utilizzo di queste reti è effettuato prevalentemente su immagini PET (amiloidosi cardiaca, Alzheimer), SPECT (Parkinson) e su dati fMRI (autismo).
Studi metabolici da immagini biomediche
In questo ambito, che esula dall’IA, mi occupo dell’applicazione di modelli cinetici da immagini dinamiche PET, con l’obiettivo di definire valori di normalità o meno dei parametri caratterizzanti il metabolismo in studio. Tali metodologie sono state applicate: a. su immagini cardiache con tracciante [18F]Florbetaben, caratterizzando così l’amiloidosi cardiaca, con le sue possibili varianti (AL e ATTR); b. su immagini cerebrali [18F]FDG da animali per studi preclinici, definendo i valori di normalità dei parametri cinetici caratterizzanti il metabolismo del glucosio.
Collaborazioni
Valentina Hartwig, Giulio Giovannetti, Luca Menichetti (Istituto di Fisiologia Clinica del CNR)
Vincenzo Positano, Francesca Frijia, Alessandra Flori (Fondazione Toscana ‘G. Monasterio’ , UO Bioingegneria)
Assuero Giorgetti, Dario Genovesi (Fondazione Toscana ‘G. Monasterio’ , UO Medicina Nucleare) Nicola Vanello, Alessandro Tognetti, Filippo Bargagna (Dipartimento Ingegneria dell’Informazione, Università di Pisa)
Paolo Rossi (Ospedale Lotti di Pontedera (PI), UO Neurologia)
Michele Emdin, Giuseppe Vergaro (Scuola Superiore Sant’Anna)
Gabriele Buda (AOUP ematologia, Pisa)