Le tesi attualmente disponibili sono elencate qui di seguito.
Se interessati mandare una email a p.zaffino@unicz.it
(pagina aggiornata al 12 marzo 2023)
- Slicer Arduino:
Estendere e migliorare la connessione tra 3D Slicer e Arduino, partendo dal progetto già presente su github.
È richiesta la conoscenza di git e python. - Slicer Mesh Comparison:
Estendere e migliorare il modulo 3D Slicer per la quantificazione delle differenze volumetriche tra mesh acquisite pre e post intervento chirurgico.
Il modulo è attualmente disponibile su github.
È richiesta la conoscenza di git e python. - Slicer Breast Reconstruction:
Estendere e implementare nuove funzionalità nel modulo 3D Slicer BreatReconstruction. Il modulo è attualmente disponibile su github.
Il progetto è in collaborazione con il “Laboratory for Percutaneous Surgery”, Queen’s University, Canada.
È richiesta una notevole conoscenza di git, python e dell’inglese, visto che è in collaborazione con colleghi esteri. - Pianificazione neurochirurgica
Realizzare un workflow per la pianificazione neurochierurgica in ambiente 3D Slicer. I dati da utilizzare saranno sia strutturali che funzionali. Il workflow include la segmentazione delle strutture di interesse, la ricostruzione dei fasci di assoni e il rendering tridimensionale di quello che si è generato.
Il lavoro è svolto in collaborazione con i neurochirurghi del nostro Ateneo.
È richiesta una buona conoscenza del software 3D Slicer. - Plastimatch in container Docker
Realizzare un container docker basato su una macchina Linux e installare Plastimatch al suo interno.
Si dovrà inoltre gesitre come l’utente si interfaccerà con Plastimatch contenuto nel container.
È richiesta una buona conoscenza dei sistemi Linux e della shell bash. - Traduzione di immagini in ambito di medicina nucleare
Implementare un algoritmo di deep learning per la traduzione di immagini mediche (e.g per la generazione di una modalità di imaging a partire da un’altra) nell’ambito della medicina nucleare.
Il lavoro è svolto in collaborazione con i medici nucleari del nostro Ateneo.
È richiesta una buona conoscenza di Python e di algoritmi di intelligenza artificiale (in particolare di deep learning). - Identificazione del calcio coronarico in immagini fluoroscopiche intraoperatorie
Implementare un algoritmo di deep learning per la segmentazione del calcio coronarico da immagini fluoroscopiche intraoperatorie.
Il lavoro è svolto in collaborazione con i cardiologi del nostro Ateneo.
È richiesta una buona conoscenza di Python e di algoritmi di intelligenza artificiale (in particolare di deep learning).