Descrizione posizione

Titolo del progetto di ricerca in italiano	TECNICHE MULTIMODALI E DI MACHINE LEARNING PER LA DIAGNOSTICA DELLE DEMENZE AD ESORDIO NELL’ETÀ ADULTA
Titolo del progetto di ricerca in inglese	INNOVATIVE DEEP LEARNING TECHNIQUES AND ARCHITECTURE TO IDENTIFY ADULT-ONSET DEMENTIA DISORDERS
Descrizione sintetica in italiano	Gli strumenti diagnostici correnti non possono identificare le fasi iniziali delle demenze ad esordio nell’età adulta (AOCD) né determinare se qualcuno svilupperà negli anni una demenza.Oggi una diagnosi è formulata quando le modificazioni cerebrali sono irreversibili.Il presente progetto è un’applicazione innovativa del digitale ad affrontare in maniera avanzata un problema medico e sociale impiegando tecniche di deep learning su un ampio set di dati.Questo per sviluppare un modello per differenziare sulla base di reperti morfologici di neuroimaging disfunzioni cognitive in fase precoce distinguendo tra individui sani in quel set di dati, quelli che hanno avuto un lieve deterioramento cognitivo e quelli con lieve AD con una precisione più elevata di test cognitivi computerizzati somministrati in contesti clinici.Finalità ultima del progetto proposto è la standardizzazione di algoritmi in grado di offrire la migliore predittività per l’identificazione precoce delle AOCD
Descrizione sintetica in inglese	Current diagnostic tools usually cannot identify people in the early stages of dementia, nor determine whether someone will develop dementia years down the road. Early diagnosis could not only aid intervention for people at high risk of developing dementia but provide better opportunities to design new therapies. In this work, we incorporating the usage of powerful machine learning techniques on the dataset to develop a model to distinguish which people had cognitive impairment and which were healthy, based solely on the pattern of digital data received from the participants’ devices and their responses to certain brain memory tasks. The resulting model was able to distinguish between healthy individuals in that dataset, those who had mild cognitive impairment, and those with mild Alzheimer’s disease, with an accuracy similar to that of computerized cognitive tests administered in clinical settings
Numero posti	1
Settore Concorsuale	05/H1 - ANATOMIA UMANA
S.S.D	BIO/16 - ANATOMIA UMANA
Destinatari del bando (of target group)	Experienced researcher or 4-10 yrs (Post-Doc)
Data del bando	05/10/2021

 

FP7 / PEOPLE / Marie Curie Actions

Research Framework Programme / Marie Curie Actions	No

 

Dettagli dell'impiego

Tipo di contratto	Temporary
Tempo	Full-time
Ore settimanali	full - time
Organizzazione/Ente	Università degli Studi di Camerino
Paese (dove si svolgerà l'attività)	ITALY
Città	Camerino

 

Contatto presso l'Organizzazione/Ente

Organizzazione/Ente	Università degli Studi di Camerino
Tipo	Academic
Facoltà/Dipartimento/Laboratorio di ricerca	Scuola di Scienze del Farmaco e dei Prodotti della Salute
Paese	ITALY
Città	Camerino
E-mail	anna.silano@unicam.it
Sito web	http://www.unicam.it

 

Dettagli per la candidatura

Data di scadenza del bando	25/10/2021 - alle ore 23:59
Come candidarsi	https://www.unicam.it/bandi/attivi/all/Procedure%20di%20valutazione%20comparativa

 

Titoli di studio richiesti

Laurea	PhD or equivalent
Ambito della laurea	Medical sciences

 

Lingue richieste

Lingua	ENGLISH
Livello di conoscenza della lingua	Excellent