Machine learning per l’analisi del movimento

Esperimenti di laboratorio tradizionali e sensori indossabili offrono una ricchezza e quantità di dati precedentemente non disponibile su movimenti sani e patologici. Per sfruttare la potenza di questi dati, al fine di migliorare la valutazione clinica e di rendere più efficace la ricerca scientifica nel campo dell’analisi del movimento, le moderne tecniche di apprendimento automatico (machine learning) stanno iniziando ad essere affiancate (e integrate) alle tecniche più tradizionali.

Questo corso riassumerà l'uso corrente dei metodi di apprendimento automatico nell’analisi del movimento, fornirà le basi preliminari per capire ed utilizzare tali metodi e metterà in evidenza le best practicesche consentiranno la valutazione critica dell’uso di tali tecniche. Verranno fornite raccomandazioni per la creazione, valutazione e validazione di modelli di machine learning e verrà discusso il potenziale degli approcci più moderni per generare nuove conoscenze sul movimento umano.

Referenti:

1) Luca Palmerini, Università di Bologna

2) Riccardo Bellazzi, Università di Pavia

Programma:

• Validazione di modelli di machine learning - Riccardo Bellazzi, Università di Pavia
•  Intelligenza Artificiale in Medicina: Opportunità e rischi per il personale e la qualità di cura - Federico Cabitza, Università degli studi di Milano Bicocca
•  Machine learning and wearable technology for the evaluation of movement in Parkinson’s Disease - Bjoern Eskofier, Friedrich-Alexander University Erlangen-Nuernberg, Germany
•  Esempi di machine learning in ambito clinico - Luca Palmerini, Università di Bologna

Maggiori informazioni e registrazioni: https://eventi.unibo.it/siamoc-2019/corsi-precongressuali