Bando per assegno di ricerca
Titolo del progetto di ricerca in italiano | Transfer Machine Learning per Dati Clinici |
---|---|
Titolo del progetto di ricerca in inglese | Transfer Machine Learning for Clinical Data |
Campo principale della ricerca | Psychological sciences |
Sottocampo della ricerca | Cognitive science |
Settore Concorsuale | 11 - Scienze storiche, filosofiche, pedagogiche e psicologiche |
S.S.D | M-PSI/02 - PSICOBIOLOGIA E PSICOLOGIA FISIOLOGICA |
Descrizione sintetica in italiano | Nell'ambito del progetto "Intelligenza Artificiale a Trento (AI-TN)”, finanziato dalla Provincia Autonoma di Trento (PAT), lo studio si propone di indagare e ottimizzare metodi computazionali che imparino a rilevare caratteristiche di dati da soggetti sani e quindi trasferire l'apprendimento per l’analisi di dati dei pazienti. Il progetto prevede l'implementazione e la valutazione di metodi basati sui dati per la segmentazione automatica dei tessuti cerebrali umani dai dati della risonanza magnetica. L'indagine affronterà la sfida di mettere a punto modelli di apprendimento addestrati sui dati acquisiti con uno scanner MRI ad alto campo con i dati acquisiti con protocolli MRI clinici. Il modello sarà ulteriormente sviluppato per studiare la segmentazione delle cavità cerebrali post-operatorie a seguito di resezione neurochirurgica di gliomi. Tali marcatori saranno studiati nel contesto dei predittori longitudinali dell'esito cognitivo. |
Descrizione sintetica in inglese | In the context of the project "Artificial Intelligence at Trento (AI-TN), funded by the Autonomous Province of Trento, the study is aimed at investigating and optimizing computational methods that learn to detect features from healthy subject data and then transfer and apply the learning in patient data. The project involves the implementation and evaluation of data driven methods for the automatic segmentation of human brain tissues from MRI data. The investigation will address the challenge of tuning learning models trained on data acquired with an high field MR scanner to data acquired with lower field clinical MR protocols. The model will be further developed to investigate the segmentation of post-operative brain cavities following neurosurgical glioma resection. Such markers will be investigated in the context of longitudinal predictors of cognitive outcome. |
Data del bando | 01/08/2022 |
Numero di assegnazioni per anno | 1 |
Paesi in cui può essere condotta la ricerca |
OCEANIA AFRICA EUROPE NORTH AMERICA SOUTH AMERICA ASIA OTHER E.U. CHINA (MAINLAND) CHINA (HONG KONG) |
Paesi di residenza dei candidati |
EUROPE AFRICA OCEANIA NORTH AMERICA SOUTH AMERICA ASIA OTHER E.U. CHINA (MAINLAND) CHINA (HONG KONG) |
Nazionalità dei candidati |
EUROPE AFRICA OCEANIA NORTH AMERICA SOUTH AMERICA ASIA OTHER E.U. CHINA (MAINLAND) CHINA (HONG KONG) |
Sito web del bando | https://www.unitn.it/ateneo/bandi/assegni-ricerca/nuovi |
Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
---|
Nome dell'Ente finanziatore | Università degli Studi di Trento |
---|---|
Tipologia dell'Ente | Public research |
Paese dell'Ente | Italy |
Città | Trento |
Codice postale | 38122 |
Indirizzo | via Calepina, 14 |
Sito web | https://www.unitn.it/ |
cimec@unitn.it |
L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
---|
Data di scadenza del bando | 26/08/2022 - alle ore 00:00 |
---|---|
Come candidarsi | https://www.unitn.it/ateneo/bandi/assegni-ricerca/nuovi |