Ingegneria Biomedica

Conoscenza e capacità di comprensione: Gli/le studenti/studentesse impareranno i fondamenti dell’approccio modellistico generale quali le differenze tra modello di dato e modello di sistema, l’importanza delle misure, l’identificazione dei parametri in assenza e in presenza di rumore, le tecniche di deconvoluzione per la stima dell'ingresso del modello a partire dall'uscita e dalla sua risposta impulsiva e le tecniche di validazione del modello, il ruolo dei modelli nello sviluppo del pancreas artificiale. Impareranno inoltre quali sono i fondamenti della modellistica neuronale sia di tipo circuitale che relativi alla funzione di encoding/decoding neuronale, per arrivare alle reti di neuroni. Conoscenza e capacità di comprensione applicate: Al termine del corso gli/le studenti/studentesse saranno in grado di rappresentare un set di misure e studiarne le proprietà statistiche; identificare i parametri di un modello di dati in assenza e in presenza di rumore; risolvere un problema di deconvoluzione discreta in assenza e presenza di rumore; utilizzare un modello standardizzato per simulare il ciclo glucosio/insulina nell'uomo e le sue alterazioni (diabete). Acquisiranno inoltre familiarità con i principali strumenti atti a costruire modelli computazionali dell'attività neuronale a partire da dati sperimentali. Autonomia di giudizio: Gli/le studenti/esse impareranno a scegliere l'approccio modellistico più appropriato per risolvere lo specifico problema e a valutare la complessità della soluzione proposta. Abilità comunicative: Gli/le studenti/esse impareranno a comunicare in un contesto multidisciplinare relativamente alle scelte modellistiche effettuate in relazione al problema fisiologico o clinico affrontato e a comunicare e motivare le scelte modellistiche effettuate a tale scopo. Capacità di apprendere: Gli/le studenti/esse svilupperanno un'attitudine orientata all'apprendimento indipendente di concetti avanzati non affrontati nel corso.