Torna ai risultati della ricercaBando per incarichi post doc
| Titolo del progetto in italiano | Smart-HEART Sviluppo di una piattaforma per la realtà aumentata della morfologia e della dinamica del sistema cardiovascolare: integrazione tra simulazioni numeriche, tecniche di Nudging e Machine Learning |
|---|---|
| Titolo del progetto in inglese | Smart-HEART Development of a platform for an augmented reality of the morphology and dynamics of the cardiovascular system: integration between numerical simulations, Nudging and Machine Learning techniques |
| G.S.D. | 02/PHYS-02 - FISICA TEORICA DELLE INTERAZIONI FONDAMENTALI, MODELLI, METODI MATEMATICI E APPLICAZIONI |
| S.S.D | PHYS-02/A - Fisica teorica delle interazioni fondamentali, modelli, metodi matematici e applicazioni |
| Descrizione sintetica in italiano | Un obiettivo primario è generare un set di dati di alta qualità che includa sia i campi fluidi che la struttura cardiaca per addestrare modelli di apprendimento automatico (ML). Questi includono tecniche di nudging, in cui i dati di imaging specifici del paziente vengono integrati e allineati con simulazioni basate su Navier-Stokes, e modelli di diffusione, che impareranno a ricostruire informazioni mancanti o incomplete da osservazioni parziali. Le applicazioni di intelligenza artificiale vanno oltre la ricostruzione, consentendo lo sviluppo di strumenti predittivi in grado di adattare le simulazioni alle condizioni specifiche del paziente. Utilizzando le geometrie e i campi fluidi generati dalle nostre simulazioni come "verità di base" controllata, svilupperemo modelli basati sui dati che incorporano geometrie specifiche del paziente |
| Descrizione sintetica in inglese | A primary goal is to generate a highquality dataset that includes both fluid fields and cardiac structure to train machine learning (ML) models. These include nudging techniques, in which patient-specific imaging data are integrated and aligned with Navier-Stokesbased simulations, and diffusion models, which will learn to reconstruct missing or incomplete information from partial observations. AI applications extend beyond reconstruction, enabling the development of predictive tools capable of adapting simulations to patient-specific conditions. Using the geometries and fluid fields generated by our simulations as controlled "ground truth," we will develop data-driven models that incorporate patient-specific geometries |
| Data del bando | 04/03/2026 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotto l'incarico |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://pica.cineca.it/uniroma2/ |
| Destinatari dell'incarico post doc (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|
| Nome dell'Ente finanziatore | Università degli Studi di Roma Tor Vergata - Dipartimento di Fisica |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | roma |
| Sito web | https://pica.cineca.it/uniroma2/ |
| assegni.ricerca@amm.uniroma2.it | |
| Telefono | 0672592344 |
| L'incarico finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 14/03/2026 - alle ore 23:59 |
|---|---|
| Come candidarsi | https://pica.cineca.it/uniroma2/ |