Logo ARTES ISAAC

DIAGNOSTICA DIGITALE


  • Modellazione clinica per analisi longitudinali specifiche del paziente
  • Diagnostica clinica e sistemi di supporto alle decisioni cliniche

  • Imaging medico, segnali medici e analisi dei dati multimodali

 

Hai delle curiosità sulle attività portate avanti dal Team?

Digital diagnostics - ISAAC ARTES

Membri del progetto


  • Enzo Pasqule Scilingo, Università di Pisa
  • Alessandro Tognetti, Università di Pisa
  • Marco Di Benedetto ISTI, CNR
  • Laura Burattini Università, Politecnica delle Marche
  • Sara Moccia, Scuola Superiore Sant'Anna
  • Sara Colantonio ISTI - CNR
  • Micaela Morettini, Università Politecnica delle Marche
  • Davide Moroni ISTI - CNR

  • Anna Visibelli, Università di Siena
  • Paolo Andreini, Università di Siena - Vismed
  • Giorgio Ciano, Università di Firenze
  • Andrea Mannini, Fondazione Don Gnocchi
  • Alessandro Ramalli, Università di Firenze
  • Nicola Vanello, Università di Pisa
  • Marco Pota ICAR - CNR
  • Alberto Mazzoni Scuola Superiore Sant'Anna

POC



Nome POC: 

Holter vocale

Ente promotore:

Università di Pisa

Descrizione:

Monitoraggio del parlato per estrazione di parametri tempo/frequenziali correlabili a disturbi dell’umore

TRL: 2
SW-HW: Entrambi
Partner: none


Nome POC: 

Sistema di monitoraggio contactless

Ente promotore:

Università di Pisa

Descrizione:

Monitoraggio ECG/Respiro/EDA/Temperatura con un unico dispositivo contactess a infrarossi per l’identificazione di stati psicofisiologici

TRL: 3
SW-HW: Entrambi
Partner: none


Nome POC: 

Smart mattress

Ente promotore:

Università di Pisa

Descrizione:

Sistema non invasivo per l’analisi della qualità del sonno nella popolazione generale, possibilità di monitorare altri parametri relativi alla salute (respirazione, battito cardiaco)

TRL: 4
SW-HW: Entrambi
Partner: none


Nome POC: 

Identificazione demenza comportamentale

Ente promotore:

ISTI - CNR

Descrizione:

Identificazione della variante comportamentale della demenza frontotemporale a partire da immagini di risonanza magnetica del cervello provenienti da dispositivi di acquisizione diversi.

TRL: 4
SW-HW: SW
Partner: none

 



Nome POC: 

Sport? Sicuro!

Ente promotore:

Università Politecnica delle Marche

Descrizione:

Sviluppo di un sistema in-cloud per la prevenzione delle complicanze cardiovascolari legate all'attività sportiva realizzato attraverso applicazioni basate su algoritmi data-mining di dati cardiovascolari acquisiti durante gli allenamenti di atleti agonisti e amatoriali attraverso sensori indossabili commerciali.

TRL: 4
SW-HW: Entrambi
Partner: none


Nome POC: 

BabyPose

Ente promotore:

Scuola Superiore Sant'Anna

Descrizione:

Sistema di monitoraggio dei neonati pretermine in culla. Il sistema si basa su una telecamera RGB-D per la raccolta video all'interno dei reparti di terapia intensiva neonatale. Tali video vengono elaborati tramite algoritmi avanzati di intelligenza artificiale per fornire supporto diagnostico ai neonatologi.

TRL: 4
SW-HW: SW
Partner: none


Nome POC: 

AI4US

Ente promotore:

Scuola Superiore Sant'Anna

Descrizione:

Algoritmi di deep learning per l'elaborazione di immagini ecografiche al fine di fornire supporto diagnostico ai remuatologi

TRL: 3
SW-HW: SW
Partner: none

 

 

 



Nome POC: 

Sensory device for breath analysis - Wize Sniffer

Ente promotore:

ISTI - CNR

Descrizione:

Dispositivo portatile e facile da usare con sensori commerciali. Applicazioni per la classificazione di rischio cardio-metabolico e per la stima della concentrazione di ammoniaca in pazienti cirrotici per discriminare severità di danno epatico

TRL: 5
SW-HW: Entrambi
Partner: none

 

 



Nome POC: 

T2D Target to Diabetes

Ente promotore:

Università Politecnica delle Marche

Descrizione:

Valutazione del quadro metabolico in contesto clinico attraverso metodiche semplici ma accurate (già validate rispetto al gold standard) in soggetti a rischio di diabete. Identificazione di individui a rischio nel contesto della medicina di base, attraverso strumenti di machine learning che segnalano tali individui e permettono al medico di effettuare controlli più frequenti e di tipo specialistico

TRL: 4
SW-HW: Entrambi
Partner: none


Nome POC: 

ScardioFat

Ente promotore:

Scuola Superiore Sant'Anna

Descrizione:

L’algoritmo fa uso di una convenzionale Angio-TC per ottenere la quantificazione del grasso epicardico, che è noto essere un parametro indipendente, oggettivo, utile per la stratificazione prognostica e la valutazione longitudinale del rischio cardiovascolare

TRL: 5
SW-HW: SW
Partner: none


Nome POC: 

Radiomics and deep radiomics analysis

Ente promotore:

ISTI - CNR

Descrizione:

Algoritmi per (1) la stima dell’aggressività del tumore alla prostata basati su analisi di feature radiomiche e su deepfeatures estratte con reti profonde multimodali; (2) la segmentazione e il riconoscimento di pattern legati alle interstiziopatie polmonari

TRL: 3/4
SW-HW: SW
Partner: none


Nome POC: 

Mum2B

Ente promotore:

Università Politecnica delle Marche

Descrizione:

Valutazione computerizzata dello stato di salute del feto, del neonato e della madre utilizzabile anche in scenari critici diversi da quelli ospedalieri/ambulatoriali (come i campi profughi) potenzialmente in assenza di personale medico

TRL: 4
SW-HW: Entrambi
Partner: none


Nome POC: 

AKUImg

Ente promotore:

Università di Siena

Descrizione:

Plug-in di ApreciseKUre, una piattaforma digitale di dati per pazienti affetti da Alcaptonuria (AKU). AKUImg è dedicato all'archiviazione e analisi di vetrini istopatologici AKU, al fine di creare un ecosistema di medicina di precisione

TRL: 4
SW-HW: SW
Partner: none

 

 



Nome POC: 

Sistema automatico di analisi del fondo oculare

Ente promotore:

Università di Siena - Vismed

Descrizione:

Sistema automatico per l’analisi di immagini del fondo retinico come sistema di supporto per il medico nella fase diagnostica. I sistema analizza le immagini acquisite tramite oftalmoscopio al fine di identificare le principali strutture del fondo oculare e di caratterizzarle opportunamente.

TRL: 4
SW-HW: SW
Partner: none

 



Nome POC: 

Sistema di analisi automatica di immagini delle piastre di Petri

Ente promotore:

Università di Siena - Vismed

Descrizione:

Sviluppo di un sistema automatico per l’analisi di immagini di piastre di Petri. Il sistema analizza le immagini digitali opportunamente acquisite, al fine di identificare e contare le cellule presenti nel campione. Il risultato dell’analisi viene presentato al biologo al fine di facilitare e velocizzare la refertazione

TRL: 4
SW-HW: SW
Partner: none


Nome POC: 

Segmentazione automatica di polmoni e cuore in immagini RX del torace

Ente promotore:

Università di Firenze

Descrizione:

Sviluppo di un sistema software basato su deep learning in grado di effettuare la segmentazione automatica dei polmoni e del cuore in immagini a raggi-X (RX) del torace. L'utilizzo di questo metodo potrebbe rendere ancora più semplice ed efficace l'uso dell'RX per la diagnosi di diverse malattie (tubercolosi, cancro ai polmoni, ecc.)

TRL: 4
SW-HW: SW
Partner: none


Nome POC: 

Identificazione automatica alterazioni del cammino

Ente promotore:

Fondazione Don Gnocchi

Descrizione:

Soluzione basata su sensori indossabili e algoritmi di machine learning per l'identificazione automatica di alterazioni del movimento e per la valutazione automatica di scale cliniche legate alla deambulazione

TRL: 5
SW-HW: SW
Partner: none

 

 



Nome POC: 

Modelli prognostici del decorso riabilitativo

Ente promotore:

Fondazione Don Gnocchi

Descrizione:

Algoritmi e framework per la validazione di modelli prognostici per la predizione del decorso clinico a partire dai dati all'ammissione. Applicazioni alla predizione delle milestone di recupero riabilitativo (decannulazione, recupero coscienza, recupero alimentazione autonoma) e alla predizione di recupero funzionale valutato mediante scale cliniche (predizione scala di Barthel alla dimissione in pazienti post-stroke)

TRL: 4
SW-HW: SW
Partner: none


Contattaci



Contattaci


Entra in contatto con noi

Hai delle curiosità sulle attività portate avanti dal Team di Diagnostica Digitale?

Compila il form con i tuoi dati indicando il motivo della tua richiesta.

Un membro del Team ISAAC ARTES sarà lieto di mettersi in contatto con te e fornirti il supporto di cui hai bisogno.

ARTES 4.0 Advanced Robotics and enabling digital Technologies & Systems 4.0
Viale Rinaldo Piaggio, 34 – 56025 Pontedera (PI)

Partita IVA 02333680508 – Numero repertorio economico amministrativo (REA) PI – 199253 – PEC: presidente_artes4.0@pec-legal.it