Medicina e Intelligenza Artificiale e mobilità eco-sostenibile con corrente elettrica. Finanziati 10 assegni di ricerca Unimore

Nello specifico i proponenti e le proponenti dei tre progetti di Unimore risultati vincitori in Ambito A - Risorse umane per un'economia digitale: Big Data e Intelligenza artificiale sono:

- il prof. Riccardo Magistroni per un progetto dal titolo “IA per la diagnosi delle malattie renali: classificazione della biopsia renale basata su reti neurali convoluzionali”. La diagnosi delle malattie renali richiede l’interpretazione di immagini microscopiche di tessuto renale, una procedura complessa e costosa. Il progetto mettendo in atto tecnologie di Deep Learning promette un significativo aumento della efficienza diagnostica. La macchina è in grado di analizzare enormi volumi di dati in ingresso con tempi di risposta in una scala non comparabile a quella umana. Inoltre, le risposte diagnostiche rappresentano una sintesi di quanto insegnato alla rete neurale attraverso gli esempi storici rendendo anche le risposte meno esposte alla variabilità della soggettività umana.

Riccardo Magistroni è Professore Associato presso il Dipartimento Chirurgico, Medico, Odontoiatrico e di Scienze Morfologiche con Interesse Trapiantologico, Oncologico e di Medicina Rigenerativa di Unimore. E’ specialista in Nefrologia. I suoi principali interessi riguardano lo studio di malattie rare (glomerulonefriti e malattie genetiche renali) attraverso tecniche genomiche e di imaging avanzato (Deep Learning).

- la prof.ssa Marina Cocchi per un progetto dal titolo “data analytics per la realizzazione di sistemi predittivi e monitoraggio real time di processi produttivi in industria 4.0 (dreamtime)”, che ha l’obiettivo di incentivare l’adozione del paradigma Industria 4.0, in particolare l’uso dei Big data per generare elementi di conoscenza indispensabili alla gestione di processi produttivi sempre più sostenibili e prevede due casi di studio che coinvolgono Barilla Spa e Verslis-ENI, quale prova tangibile della fattibilità, opportunità e scalabilità dell’approccio Multivariate Statistical Process Control and predictive data analytics in real time.

Marina Cocchi è Professoressa Associata in Chimica Analitica del Dipartimento Scienze Chimiche e Geologiche di Unimore. Autrice di più di 100 pubblicazioni su riviste nazionali e internazionali e libri (H-index 27, 2084 cit.)Topics: Multivariate, Multi-way and Multiset methods; Data Fusion; Multivariate Statistical Process Control; Multivariate Images Analysis; Experimental Design; Food Authenticity;Editor of Data Fusion: Methods and Applications in Data Handling in Science and Technology Series, Elsevier 2019.

- la prof.ssa Federica Mandreoli per un progetto dal titolo “smart digital twin e condivisione intelligente di dati per l'industria 4.0”, il cui obiettivo è studiare l’applicabilità del paradigma digital twin come tecnica risolutiva delle complessità di coordinamento e pianificazione di intere filiere industriali di imprese manifatturiere. Elemento chiave del progetto è lo studio di soluzioni per lo scambio efficiente e dinamico tra smart digital twin di dati fortemente eterogenei e distribuiti per una piena integrazione tra i sistemi informativi aziendali e il livello produttivo (shopfloor).

Federica Mandreoli è Professoressa Associata di Sistemi di elaborazione delle informazioni al Dipartimento di Scienze Fisiche, Informatiche e Matematiche di Unimore. I suoi interessi scientifici riguardano la gestione di grandi quantità di dati e più recentemente la scalable data science. Su tali argomenti ha pubblicato oltre 100 saggi e articoli, incluse varie pubblicazioni in atti di conferenze e riviste di ottimo livello. E’ responsabile locale del progetto FIRST (vF Interoperation suppoRting buSiness innovaTion), nel quale collabora col porf. Paolo Cabri, un progetto finanziato dal programma Marie Skłodowska-Curie Actions di Horizon 2020 ed è attualmente coinvolta in collaborazioni con università e noti centri di ricerca anche stranieri.