Ingegneria Biomedica @ UMG - Prof. Carlo Cosentino CdlM Ingegneria Biomedica Università degli Studi Magna Graecia di ...

Ingegneria Biomedica @ UMG

 Prof. Carlo Cosentino
 carlo.cosentino@unicz.it

 CdlM Ingegneria Biomedica
 Università degli Studi Magna Græcia di Catanzaro

Le origini
• Università degli Studi Magna Græcia nasce nel 1998 con le
 facoltà di Medicina, Giurisprudenza e Farmacia
• Nel 2001 parte il CdL Interateneo in Ingegneria Informatica e
 Biomedica
 – Comitato Tecnico Organizzatore: Univ. di Catanzaro, Univ. della
 Calabria, Politecnico di Milano

• Nel 2004 parte il CdLM Interateno in Ingegneria Biomedica
• Nel 2008 viene inaugurato il Campus di Germaneto

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

UMG Campus

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

UMG Collegamenti

 Treni veloci
 Napoli (2.5 h)
 Roma (3.5 h)
 Catanzaro
 25 min
 Aeroporto Internaz.
 (Ryanair, Alitalia, …)
 Stazione
 Catanzaro
 (di fronte al
 campus)
 Catanzaro Lido

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

UMG Campus

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

UMG Campus - Aule
 Ingresso/Auditorium Auditorium

 Aule didattiche

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

UMG – Servizi

• Laboratori Informatici
• Biblioteche/Aree studio
• Mensa on campus
• 3 bar/tavola calda
• Radio studenti
• Servizi per il superamento delle disabilità
• Asilo nido on campus

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Residenze Universitarie
• Inaugurate nel 2014
• 240 posti letto, cucina e bagno in camera
• area fitness dotata di palestra ed attrezzi
• sala giochi
• hall
• sala TV
• sala lettura
• servizio biblioteca

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

CUS UMG
 Uffici e spogliatoi Calcio a 5

 Tennis
 Campo calcio in erba

 Polivalente

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Catanzaro e dintorni
 CZ (10 min) CZ Lido (5 min) Caminia (15 min)

 Canyon Valli Cupe
Parco Archeologico (10 min)
 Sila (1h)

 Carlo Cosentino Le Castella (52 min) Orientamento UniCa, 5 Lug 2019

Diritto allo studio

Le performance di Fondazione Università Magna Graecia hanno
garantito nell’ ANNO ACCADEMICO 2017/2018 l’erogazione della
BORSA DI STUDIO
a TUTTI gli AVENTI DIRITTO
per un totale di 2.243 BENEFICIARI

 Per l’ ANNO ACCADEMICO 2018/2019
 sono risultati BENEFICIARI 2.156 STUDENTI

 I requisiti per chiedere la BORSA DI STUDIO sono stabiliti di anno in anno in base al
 BANDO DI CONCORSO PER BORSE DI STUDIO ED ALLOGGI UNIVERSITARI

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Tasse Universitarie UMG

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Corpo Docente
 Strutturati

 2 3 Ing. Informatica
 1 Bioing. Elettr. e Inform.
 Bioing. Industriale
 2 2 Automatica
 1 Elettronica
 Fisica Applicata

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Dipartimenti
 Ripartizione Docenti

 1 Dip. Medicina Sperimentale e
 Clinica
 4 6 Dip. Di Scienze Mediche e
 Chirurgiche
 Dip. Di Scienze della Salute

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Assegnisti di Ricerca
 Assegnisti nell’Area 09 – Ing. Industriale e
 dell’Informazione

 1
 1
 4 Ing. Informatica
 Bioing. Elettr. e Inform.
 2 Bioing. Industriale
 Elettronica

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Dottorati

• Docenti di ingegneria sono presenti nei collegi di dottorato di
 ricerca in
 – Biomarcatori delle malattie croniche e complesse
 • Curriculum «Nuove tecniche di Risonanza Magnetica e bioinformatica
 applicate alle Neuroscienze»

 • Curriculum «Malattie cardio-polmonari e soluzioni biotecnologiche ed
 ingegneristiche per la medicina rigenerative»

 – Oncologia molecolare e traslazionale e tecnologie medico chirurgiche
 innovative
 • Curriculum «Ingegneria biomedica, dei sistemi e delle nanotecnologie
 applicate all’oncologia»

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Piano di Studi – CdL Ing. Informatica e Biomedica
 1° Anno – 1° Sem.
 Insegnamento Modulo cfu

 Fisica I 9

 Analisi Matematica I e Geometria Analisi Matematica I 6

 Geometria 6

 Fondamenti di Informatica 9

 1° Anno – 2° Sem.
 Insegnamento Modulo cfu

 Biochimica e Biologia Biochimica 6

 Biologia 6

 Analisi Matematica II 9

 Fisica II 9

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Piano di Studi – CdL Ing. Informatica e Biomedica
 2° Anno – 1° Sem.
 Insegnamento Modulo cfu

 C.I Sistemi operativi, reti e Sistemi Operativi e Reti di Calcolatori 6
 programmazione
 Programmazione 6

 Fisiopatologia Clinica Patologia generale 3

 Medicina Interna 3

 Automazione, Organizzazione e 6
 Sicurezza sanitarie
 Elettrotecnica 6

 2° Anno – 2° Sem.
 Insegnamento Modulo cfu

 Elettronica 9

 Fondamenti di Automatica 9

 Bioingegneria 6

 Lingua Straniera: Inglese 3

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Piano di Studi – CdL Ing. Informatica e Biomedica
 3° Anno – 1° Sem.
 Insegnamento Modulo cfu

 Controlli Automatici 9

 Bioinformatica 6

 Basi di dati e sistemi informativi 9

 Biofluidodinamica 6

 3° Anno – 2° Sem.
 Insegnamento Modulo cfu

 Bioimmagini 6

 Tecnologie dei Sistemi di Controllo 6

 Attività formative curriculari a scelta 6
 dello studente
 Attività formative curriculari a scelta 6
 dello studente

 Attività a scelta: Biomeccanica, Strumentazione Biomedica, Sensori Elettronici per la
 Biomedica, Economia e Organizzazione Aziendale
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Piano di Studi – CdLM Ing. Biomedica
 1° Anno – 1° Sem.
 Insegnamento Modulo cfu

 Biomacchine 9

 C.I. di Biochimica, Biologia e Biochimica e Biologia per l’Oncologia 6
 Fisiopatologia per l’Oncologia
 Fisiopatologia 2 6

 Infrastrutture di Calcolo e Algoritmi 9
 Efficienti per la Biologia e Medicina

 1° Anno – 2° Sem.
 Insegnamento Modulo cfu

 C.I. Sensori Elettronici e Sensori e Sistemi Elettronici per la 6
 Nanotecnologie per la Biomedica Biomedica
 Nanotecnologie per la Biomedica 6

 Elaborazione di Immagini per la 9
 Chirurgia Assistita
 Misure ed Elaborazione dei Segnali 9
 Biomedici
 Sistemi di Controllo Fisiologici 6

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Piano di Studi – CdLM Ing Biomedica
 2° Anno – 1° Sem.
 Insegnamento Modulo cfu

 C.I. Robotica e strumentazione Robotica Medica 6
 biomedica
 Strumentazione Biomedica 6

 Basi di Dati Avanzate e Sistemi 6
 Sanitari
 Tecnologie Avanzate di 6
 Bioinformatica
 Insegnamento a scelta dello studente 6

 2° Anno – 2° Sem.
 Insegnamento Modulo cfu

 Biologia dei Sistemi 6

 Insegnamento a scelta dello studente 6

 Tirocinio 2

 Prova Finale 10

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Immatricolazioni
 Scadenza immatricolazioni: 31 Dic
 Immatricolati Triennali
250
 (generalmente estesa al 31/03)

200

150

100

 50

 0

 60 Immatricolati Magistrale
 50

 40

 30

 20

 10

 0
 2004 2005 2006 2007 2008 2009 2014 2015 2017 2018

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Requisiti di ammissione alla LM
• Laurea di I livello nelle classi
 – L08 – Ingegneria dell’Informazione
 – L09 – Ingegneria Industriale
• CFU minimi richiesti

• In difetto dei requisiti, valutazione caso per caso

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Indicatori di Performance
 CdLM Ing. Biomedica

 Indicatore CdS della stessa classe
 CdS
 nell’area geo in Italia

 Percentuale di studenti iscritti entro la durata normale del CdS che abbiano
 56,4 47,7 53,7
 acquisito almeno 40 CFU nell’a.s.*

 Percentuale di immatricolati (L; LM; LMCU) che si laureano entro un anno
 64,5 53,9 78,3
 oltre la durata normale del corso nello stesso corso di studio
 Percentuale di laureati che si iscriverebbero di nuovo allo stesso percorso di
 90,5 63,8 68,4
 studio
 Percentuale di immatricolati (L; LM; LMCU) che si laureano, nel CdS, entro la
 43,6 17,8 41,5
 durata normale del corso**
 Proporzione di laureanti complessivamente soddisfatti del CdS 95,2 87,2 89,1

 Rapporto studenti iscritti/docenti complessivo (pesato per le ore di docenza) 12,5 25,1 17,8

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Condizione occupazionale (%)

80
70
60 Tutti
 UMG
50
 Padova
40
 Bologna
30 Napoli
20 Pisa
 Roma3
10
 Genova
 0
 Lavorano Non lavorano e Non lavorano ma In Formazione
 non cercano cercano

 Dati Almalaurea 2018 - Laureati 2017 a 1 anno dalla Laurea
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Età/Durata/Voto
29
 114
28 Tutti
 112
27 110 UMG
26 108 Padova
25 106
 Bologna
24 104
 Napoli
 Età alla laurea 102
 100 Pisa
 4 98 Roma3
 3 96 Genova
 2 Voto di Laurea
 1
 0
 Durata degli studi

 Dati Almalaurea 2018 - Laureati 2017 a 1 anno dalla Laurea
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Settore di attività (%)
 45
 40
 35
 30 Tutti
 25 UMG
 20 Padova
 15
 Bologna
 10
 Napoli
 5
 Pisa
 0
 Roma3
 Genova

 Dati Almalaurea 2018 - Laureati 2017 a 1 anno dalla Laurea
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Tipologia di attività (%)
70
60
50
 Tutti
40
 UMG
30 Padova
20 Bologna
10 Napoli

 0 Pisa
 Roma3
 Genova

 Dati Almalaurea 2018 - Laureati 2017 a 1 anno dalla Laurea
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Utilizzo delle competenze della Laurea (%)

80

70
 Tutti
60
 UMG
50 Padova
40 Bologna
 Napoli
30
 Pisa
20 Roma3
10 Genova

 0
 In misura elevata In misura ridotta Per niente

 Dati Almalaurea 2018 - Laureati 2017 a 1 anno dalla Laurea
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Efficacia della Laurea nel lavoro svolto (%)

70

60
 Tutti
50
 UMG
40 Padova
 Bologna
30
 Napoli
20 Pisa
10 Roma3
 Genova
 0
 Molto Abbastanza efficace Poco/Per nulla
 efficace/Efficace efficace

 Dati Almalaurea 2018 - Laureati 2017 a 1 anno dalla Laurea
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Soddisfazione per il lavoro svolto (0-10)

 8,2
 8 Tutti
 7,8 UMG
 7,6 Padova
 Bologna
 7,4
 Napoli
 7,2
 Pisa
 7 Roma3
 6,8 Genova
 6,6

 Dati Almalaurea 2018 - Laureati 2017 a 1 anno dalla Laurea
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Attività Scientifica e Progetti di
 Ricerca
 CdLM Ing Biomedica

 Carlo Cosentino
 Università Magna Graecia di Catanzaro

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, G. Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

35 kHz 95 kHz

 Amplitude
 Amplitude

 time time

 Banda: 30 ÷ 100 kHz
Carlo Cosentino
 Omnidirezionale in YZ e XY
 Orientamento UniCa, 5 Lug 2019

Deposizione di strati nanoporosi di Zeolite, un materiale
cristallino nanoporoso con interessanti proprietà di interazione
con la luce e di assorbimento di biomolecole

 Intrappolamento di Biomolecole
 Deposizione di strati antiriflettenti.
 Biosensori basati su dispositive MOSFET a Gate Esteso

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro Nanotecnologie

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Computational & Systems Biology

Sviluppo di algoritmi di Inferenza di reti di regolazione genica da dati high-throughput

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Computational & Systems Biology

 Metodi per lo studio e il controllo della differenziazione delle cellule staminali

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Computational & Systems Biology
 Analisi model-based del rilascio di biomarker in pazienti con
 Infarto Miocardico Acuto

 = − − 
 + 
 
 = − − ( − )
 ( + )
 
 = − − 
 
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, G. Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Biomechatronics@UMG
• Controllo di dispositivi biomeccatronici e biorobotici soft
 – Esoscheletri indossabili per la riabilitazione degli arti inferiori

 A. Merola, D. Colacino, C. Cosentino, F. Amato. Model-based tracking control design, implementation of
 embedded digital controller and testing of a biomechatronic device for robotic rehabilitation. Mechatronics 52:
 70-77, 2018
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Biomechatronics@UMG
• Controllo di dispositivi biomeccatronici e biorobotici soft
 – Stimolatori nocicettivi per la diagnosi standardizzata dell’artrite
 reumatoide

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Biomechatronics@UMG
• Caratterizzazione di attuatori biorobotici soft

 – Progettazione e realizzazione di un
 banco prova per attuatori a muscolo
 fluidico

 – Modellistica ed identificazione
 dell’isteresi nella risposta meccanica
 di attuatori pneumatici artificiali

 A. Merola, D. Colacino, C. Cosentino, F. Amato. A Parsimonious Friction Model for Efficient Identification and
 Compensation of Hysteresis with Nonlocal Memory. International Journal of Modelling, Identification and
 Control 23: 85-91, 2015
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, G. Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

ELABORAZIONE DI IMMAGINI PER LA
 CHIRURGIA ASSISTITA

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Collaborazioni
 scientifiche
• Azienda Ospedaliera Mater Domini, Catanzaro
• Dipartimento di Informatica e Matematica, Università della
 Calabria, Cosenza
• Politecnico di Milano, Milano
• Istituto Europeo Di Oncologia, Milano

• University of Heidelberg –DKFZ, Heidelberg, Germania
• Private University for Health Sciences, Medical Informatics and
 Technology, Hall in Tirol, Austria
• University Medical Center Groningen, Groningen, Olanda

• Brigham Women Hospital and Massachusetts General Hospital,
 Boston, USA
• Parte della “National Alliance for Medical Image Computing
 (NAMIC)”, worldwide

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Scopo della ricerca

Supportare la componente clinica tramite:

• Realizzazione di strumenti automatici di image
 processing (per velocizzare la routine clinica)
•

• Estrazione di informazioni quantitative da
 immagini mediche (per ridurre la variabilità
 dell’osservazione soggettiva)

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Focus della ricerca
Tecniche di registrazione, fusione, segmentazione, classificazione,
tracking e deep learning

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, G. Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Analisi di Segnali Biomedicali

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, G. Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Bioingegneria industriale
 • Progettazione di
 organi artificiali

 • Progettazione ed ottimizzazione
 di Bioreattori

 • Biomeccanica e
 analisi del movimento

 • Progettazione e
 ottimizzazione di protesi
Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, G. Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Microarray-based Pharmacogenomics: Affymetrix
 DMET Platform
• The Affymetrix DMET (Drug Metabolism Enzymes and Transporters) platform
 investigates 225 ADME genes, i.e. genes involved in Absorption, Distribution,
 Metabolism and Excretion (ADME) of drugs, for pharmacogenomics case-control
 study.
• Pharmacogenomics is a branch of genomics that aims to predict the response to drugs
 of an individual based on an his/her genotype
 – The hypothesis of DMET analysis is that a different response to drugs may be related to
 modifications (SNPs) in those ADME genes
• We want identify the SNPs that make effective/ineffective a drug treatment using
 efficient Statistical Analysis and Association Rule Mining

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

DMET-Analyzer

 DMET Analyzer was used to mine this data and we
DMET-Analyzer identified 8 SNPs that were statistically identified 3 SNPs mapping in ABCG1, ABCC5 and
associated with ONJ occurrence, as those identified using OATP1B1/SLCO1B1 transporter genes associated with GI
manual analysis, in less time toxicity

DMET-Miner

DMET-Miner

 DMET-Miner is a data mining tool able to correlate the
 presence of a set of allelic variants with the conditions of
 patient’s samples by exploiting association rules.

 DMET-Miner can face the high number of frequent item sets
 generated when considering large clinical studies based on
 DMET data

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

OS-Analyzer OS-Analyzer is a software tool
 for the computation and
 visualization of Overall Survival
 and Progression Free Survival
 curves of cancer patients and
 evaluate their association with
 ADME gene variants.

 OS-Analyzer can perform
 automatic analysis of DMET data
 enriched with survival events.

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Network Science in Medicine and Biology:
 NETWORKS
 Experiences in a Clinical Scenario.
 COMPUTATIONAL BIOLOGY

 Protein Interaction Network
 Networks are everywhere
 Protein

 Physical
 Interaction

 NEUROSCIENCE

 Human Connectome
 ROI

 STUCTURAL
 OR FUNCTIONAL
 Social CONNECTION

Clinical Networks
Data
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Network Science in Medicine and Biology:
 Experiences in a Clinical Scenario.
 +Department of Radiology University of California, San Francisco California, U.S.A
The complex system of connections in neural systems has been
modeled at a system level, leading to the introduction of the
so-called connectome.
We defined novel algorithms for supporting ATLAS Free
Parcellation

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Integration and Analysis of Cancer Genomic Data:
 assessment of main tools for querying and analyzing TCGA Data
 The development of the next-generation sequencing (NGS) technologies has led to significant progress in the field of cancer
genomics. A major challenge in analyzing these generated data is how to manage their huge volumes and variety for using
them in clinical practice. The overall goals are to transform the current approaches for diagnostics and treatments to a new
dimension using Big Data Analytics by jointly identifying and validating promising biological targets of disease. The main
goals of the project are:

 i) aguideline to choice TCGA tools best suited to their needs;
ii) surveying main tools for querying and analysis TCGA* data underlining their main issues;
iii) realizing data integration tools that realize a data analysis pipeline;
iv) statistical or data mining analysis to identify biomarkers for selecting patient-tailored therapies.

 *The Cancer Genome Atlas (TCGA) project

 a) Criteria and categories for assessing the TCGA tools and
 b) Guideline for choosing TCGA tools:
 a) b)

 Assessed TCGA tools
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Integration and Analysis of Cancer Genomic Data:
 assessment of main tools for querying and analyzing TCGA Data

 Example: choosing the TCGA tool and using of the chosen TCGA tool
 f The GenoMetric Query Language (GMQL) is a declarative
 language used to perform queries on big genomic data.

 Example of GMQL query that integrates DNA-seq and RNA-seq data:

 DNA = SELECT(*) DNAseq; RNA = SELECT(*) RNAseq; JoinDnaToRna = JOIN
 (left->bcr_sample_barcode == right->bcr_sample_barcode, MINDISTANCE(1), left)
 DNA RNA; MATERIALIZE JoinDnaToRna;

 Example of achievable results using
 GMQL Language:

 TP53

 Triple Negative BC and Gene Variant
Carlo Cosentino Triple Negative BC and Drugs Orientamento UniCa, 5 Lug 2019
 Classification
 Response dbSNP

Informatica Medica
 Spettrometria e dati clinici Predizione Struttura
 Proteine MiRNAs enrichment Ontologie :ICd9 to
 miRNAs

Geo-Medica
 Geographic epidemiology Cartella clinica Oncologica
 (data integration)

Cartesio Surgery Room Cardio App
 R.e.va. Clinical Data Integ

 •
 •
 •
 •
 •

 • CZ
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Sentiment Analysis (SA) and Affective Computing
 (AC) for Emotion Monitoring purposes

 EEG – Acoustic
 Brain s and
 waves noise

 Respirati
 on – Tempera
 Breathin ture
 g rate
 BVP- EMG –
 Blood Muscle
 volume tension
 pulse
 GSR –
 Skin EKG– Heart
 conduct rate
 ivity

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Emotions Model: Ekman’s
 and Plutchik’s models
 Plutchik’s model is based on
 • 8 BASIC EMOTIONS:
 • ANGER
 • ANTICIPATION
 • DISGUST
 • FEAR
 • JOY
 • SADNESS
 • SURPRISE
 • TRUST
 • 3 LEVELS OF INTENSITY

 Ekman, P. & Friesen, W. V.
 Unmasking the face: A guide to
 recognizing emotions from
 facial cues. Englewood Cliffs,
 NJ: Prentice Hall (1975).

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Sentiment Analysis (SA) and Affective Computing (AC)
 for Emotion Monitoring purposes

 The development of an
 unobtrusive system based on the
 use of mobile technologies and
 social platforms to collect input
 data, for mental and emotional
 health monitoring purposes.

DATA
ACQUISITION Coherent information
 available for clinicians
SESSION Data through visual
 storage interface.
 Data
 Fusion
 Data
 analysis
 (SA+AC) Provide the
 patient with The design of a system
 suitable
 actvity architecture to predict
 previously
 programmed abandonment in tele-homecare
 with
 psychologists. programs.

 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Explainable models:
 Goal: to understand how, starting from a human-
 understandable input, the flow of information reaches a
 predicted output.
 How: in terms of human-understandable features.

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Explainable Models in Healthcare

 In order to increment trust in the
 “black-box” (Deep) Models, the
 concept of accuracy alone may not be
 sufficient, but it may need to be
 Consistency complemented with “explainability”.
 with medical
 knowledge

 Should not
 Good negatively
 Performance affect the
 CDSSs patient
 Desiderata
 for trust
Fundamental question:
Why, do (CDSSs) have challenges of
credibility and adoption when the The system
 Ethical and
literature has been replete for 4 is optimized
 non biased
decades with studies that present on complete
 decisions
computing systems demonstrating objectives
diagnostic accuracy that rivals the
performance of expert clinicians?
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Explainable Models in Healthcare

 Transfer
 Learning

 Reinforce
 ment Machine
 Learning
 Justification or Explaination? Learning
 Rely on data
 vizualization
 Define a human-
 in-the-loop
 Doctor-
 process in-the-
 loop
 Sentiment
 analysis HCI

 NLP

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

CapsNet Architecture: an example
Miming the human visual system, aim of a Capsule Network is to recognize objects by craving a
parse tree hierarchical structure for each focal point. Basic components of a Capsule network are:
  Capsules: small groups of “specialized” neurons modeled with an activity vector
  Parent-child relationships: each lower level Capsule tries to predict the output of the
 parent
In Capsule Networks, the relevance path is iteratively decided by the agreement of lower level Capsules. This
allows to avoid a backward process in favor of a more interpretable coupling efficient that measures the similarity
of different vector representation.

Carlo Cosentino Orientamento UniCa, 5 Lug 2019

Ambito Docenti Linee di ricerca

Elettronica A. Fiorillo Sensori, Ultrasuoni
Automatica C. Cosentino, Systems Biology,
 A. Merola Biomeccatronica
Bioingegneria M.F. Spadea, Elaborazione immagini
Elettronica e M. Romano chirurgia assistita,
Informatica Ingegneria Clinica
Bioingegneria G. Fragomeni Fluidodinamica,
Industriale Progettazione organi,
 Analisi movimento

Ingegneria M. Cannataro, Bioinformatica,
Informatica P.Veltri, Sentiment Analysis,
 P.H. Guzzi Informatica Medica,
 Analisi reti complesse

Fisica P. Candeloro, G. Nanotecnologie
 Perozziello
 Carlo Cosentino Orientamento UniCa, 5 Lug 2019

BIONEM
BIONEM Laboratory – Main research lines Laboratorio
 Nanotecnologie

 Nanostructured biosensors Superhydrophobic surfaces
 based on plasmonic resonances for early diagnosis

 Microfluidics:
 cells screening, Raman spectroscopy:
 proteins analysis, Cancer Stem Cells studies,
 biosensors integration Proteomics and Cellomics

 Carlo Cosentino
http://www.bionem.unicz.it Orientamento UniCa, 5 Lug 2019

BIONEM
BIONEM Clean Room – Main Equipment Laboratorio
 Nanotecnologie

 Electron beam Scanning electron
 lithography microscopy

 DEEP Reactive Ion
 etching Raman MicroSpectroscopy

http://www.bionem.unicz.it

BIONEM
Plasmonic nanowaveguide for nano-optics Laboratorio
 Nanotecnologie

 Subdiffraction limit nano-optics:
 plasmonic nano-waveguide coupled
 to photonic-crystal optical cavity

 20 nm

 Nature Nanotechnology
 cover page

 Carlo Cosentino
http://www.bionem.unicz.it Orientamento UniCa, 5 Lug 2019

Nanotechnology and Superhydrophobicity BIONEM
 Laboratorio
for the detection of very few biomolecules Nanotecnologie

 Micro- and nano-fabricated
 superhydrophobic surfaces

 Nature Photonics
 cover page

 Rhodamine attomolar (10-18 M)
 deposition and detection

 Carlo Cosentino
http://www.bionem.unicz.it Orientamento UniCa, 5 Lug 2019

PROGETTI DI RICERCA PROGETTI DIDATTICI
• MIUR PON
 – PON AGRITECH (sottomesso)
 • MIUR Piani Orientamento e
 – PON IoT (sottomesso) Tutorato
 – PON PON03PE_00001_1 "BA2Know - – INGEGNERIA.POT
 Business Analytics to Know"
 – PON Smart Cities PON04a2_D • MIUR Piano di azione e
 “INMOTO” coesione (PAC)
 – PON Smart Cities PON04a2_C
 "SMART HEALTH” – Programma Messaggeri della
• MIUR PRIN
 Conoscenza.
 – PRIN GenData2020 (2012-2015) – • PROGRAMMA DI AZIONE E
 member (unical, 300k euro)
 COESIONE (PAC) REGIONE
• Ministero Sanità
 – CCM (2013-2015)
 CALABRIA
• POR Regione Calabria – “MISURE DI POLITICA ATTIVA
 – SELINA (POR 2017-2019) PER LO SVILUPPO DELLE
 – SISTABENE (POR 2017-2019) COMPETENZE DIGITALI”
 – INNOPROST (POR 2017-2019) • FULBRIGHT SPECIALIST
SINSE+ (Agenda strategica 2016-2017) PROGRAM

Carlo Cosentino Orientamento UniCa, 5 Lug 2019