Indice degli argomenti

  • Analisi di immagine in istopatologia - Prof. Maurizio Manera - a.a. 2017/2018

    Ricercatore nel settore scientifico disciplinare VET/03 (Patologia Generale e Anatomia Patologica Veterinaria) con nomina e presa di servizio in data 01.07.98.

    Dottore Magistrale in "Gestione degli Ecosistemi Terrestri e Marini" presso l'Università degli Studi dell'Aquila con conseguimento del titolo in data 23.03.2012.

    Dottorato di Ricerca in “Discipline Anatomoistopatologiche Veterinarie” presso l’Università degli Studi di Bologna con conseguimento del titolo in data 12.05.1997.


    Laurea in "Medicina Veterinaria" presso l'Università degli Studi di Bologna con conseguimento del titolo in data 11.12.1992.

    Veterinario Accreditato FNOVI del settore degli Animali Esotici - Sezione Medicina dei Pesci e Gestione degli Acquari dal 29.04.2013.

    European Scientific Diver dal 30.09.2012.

    European Veterinary Specialist in Aquatic Animal Health dal 09.05.2016.

    Consulente per conto del Consorzio Ferrara Ricerche - Università degli Studi di Ferrara per la "Valutazione del'impatto ambientale dell'air-gun sulla fauna ittica - Progetto Fiume Po" patrocinato dalla Regione Emilia-Romagna, CNR-Istituto di Geologa Marina ed ENI (1997).

    Docente a contratto presso la Facoltà di Medicina Veterinaria dell’Università degli Studi di Teramo per l’insegnamento ufficiale di “mod. 6.2.3 Patologia dello sviluppo e malformazioni degli animali domestici” e “mod. 6.2.P.c Metodologia e diagnostica morfofisiopatologica veterinaria” nell’A.A. 1997–1998.
     

    INFO SUL CORSO

    OBIETTIVI GENERALI DEL CORSO

    • Il corso è volto a favorire l’acquisizione, da parte dello studente, delle più aggiornate conoscenze inerenti l’uso di tecniche di analisi di immagine tramite l’uso di software Open Source (Image J, MaZdA) nel campo della diagnostica istopatologica, facendo specifico riferimento alle competenze scientifiche del docente nello specifico settore. In considerazione del fatto che si tratta di un corso a scelta dello studente, senza propedeuticità, particolare attenzione è rivolta allo sviluppo di un lessico di base per rendere comprensibile, fin dalle prime lezioni, i termini tecnici ricorrenti. A tale proposito sono fornite specifiche definizioni dei termini utilizzati e sono forniti gli elementi bibliografici per l’approfondimento da parte dello studente.


    PROGRAMMA

    • Definizione e scopi dell’istopatologia.
    • Microscopia ottica e principi di base di formazione dell’immagine con particolare riguardo alla risoluzione.
    • Accortezze da attuarsi al fine di ottimizzare l’acquisizione e il salvataggio di immagini da destinarsi all’analisi di immagine.
    • Eventuali procedure propedeutiche all’analisi di immagine.
    • L’istogramma dei livelli di grigio e la segmentazione (binarizzazione) delle immagini digitali.
    • Metodiche per contare e caratterizzare elementi segmentati.
    • Analisi della tessitura.
    • Analisi frattale.
    • Esercitazioni su materiale di ricerca del docente.
    • Commento delle metodiche di analisi di immagine utilizzate in pubblicazioni del docente.


    PREREQUISITI E PROPEDEUTICITA'
    • Prerequisiti: Trattandosi di un corso opzionale non sono previste propedeuticità specifiche anche se è auspicabile il possesso di un bagaglio di conoscenze di base in ambito matematico, fisico e biologico al fine di ottimizzare il processo di apprendimento. Nel corso delle prime lezioni il docente si assicurerà, comunque, per il tramite di idonei strumenti di feed-back (coinvolgimento attivo degli studenti, moduli inchiesta, ecc.), che gli studenti posseggano le nozioni di base utili a frequentare con profitto il corso e sostenere l'esame finale.
    • Propedeuticità: Corso monodisciplinare. Non specificatamente previste poiché corso a scelta dello studente. È, comunque, cura del docente verificare, all’inizio del corso, le conoscenze già acquisite da parte degli studenti al fine di integrarle con un “glossario” minimo condiviso, al fine di assicurare omogenee condizioni di apprendimento.

    INDICATORI DI DUBLINO

    • Conoscenza e capacità di comprensione: Il corso è volto a favorire l’acquisizione, da parte dello studente, delle più aggiornate conoscenze inerenti l’uso di tecniche di analisi di immagine tramite l’uso di software Open Source (Image J, MaZdA) nel campo della diagnostica istopatologica, facendo specifico riferimento alle competenze scientifiche del docente nello specifico settore. In considerazione del fatto che si tratta di un corso a scelta dello studente, senza propedeuticità, particolare attenzione è rivolta allo sviluppo di un lessico di base per rendere comprensibile, fin dalle prime lezioni, i termini tecnici ricorrenti. A tale proposito sono fornite specifiche definizioni dei termini utilizzati e sono forniti gli elementi bibliografici per l’approfondimento da parte dello studente.
    • Capacità di applicare conoscenza e comprensione: Oltre lo specifico campo di studio dettagliato durante il corso, allo studente sono forniti tutti gli elementi di base per la scelta del più idoneo strumento di analisi di immagine, sulla base delle caratteristiche proprie del tessuto indagato e dei risultati attesi.
    • Autonomia di giudizio: Il corso è specificatamente strutturato per favorire lo sviluppo della capacità critica e l’autonomia di giudizio dello studente, istruendolo a riferirsi alla fonte diretta dell’informazione tecnico-scientifica su i più diffusi motori di ricerca scientifici sia di libero accesso, sia in abbonamento presso l’Università di Teramo. Inoltre, facendo specifico riferimento allo stato dell’arte della ricerca in cui il docente è personalmente coinvolto, è stimolato il confronto critico fra più posizioni, ipotesi scientifiche alternative, ricostruendo, nel prendere in esame i singoli casi studio, gli elementi propri del processo logico decisionale.
    • Abilità comunicative: Nel corso delle lezioni il docente coinvolge attivamente lo studente invogliandolo a intervenire con finalità di autovalutazione e, soprattutto, al fine di promuovere il senso di sicurezza nell’esposizione in pubblico e la padronanza del gergo tecnico attinente alla materia del corso. Il riferimento a casi studio e l’approccio strutturato del materiale didattico, rappresentato principalmente da articoli scientifici, favorisce altresì il progredire delle abilità comunicative.
    • Capacità di apprendimento: Il riferimento costante a casi studio, ad articoli su riviste scientifiche, all’esperienza di ricerca del docente permette di seguire, nel corso delle lezioni, l’iter proprio della ricerca scientifica e del metodo scientifico stesso, invogliando lo studente a strutturare logicamente il proprio metodo di studio e incentivando la capacità di apprendimento piuttosto che lo studio mnemonico finalizzato al superamento dell’esame. Inoltre è costantemente stimolata la riflessione autonoma dello studente sull’ampia bibliografia fornita e seguendo la traccia sviluppata a lezione. Le capacità di apprendimento sono continuamente verificate all’inizio di ogni lezione per il tramite di un breve ripasso interattivo dei contenuti delle lezioni precedenti e al termine del corso mediante la somministrazione di un test a scelta multipla strutturato specificatamente per favorire la generalizzazione delle conoscenze apprese durante il corso. Il test è corretto immediatamente in aula e gli errori sono commentati al fine di fornire gli idonei correttivi in previsione dell’esame finale.


    LEZIONI SETTIMANALI

    • Lunedì ore 10 30 - 12 30 - aula 12
    • Martedì ore 15:30 - 17:30 - aula 12
    • Mercoledì ore 15:30 - 17:30 - aula 12

    LIBRI DI TESTO

    Manera M. (2013) I biomarcatori nel monitoraggio ambientale. Aracne editrice. Roma. ISBN 978-88-548-6221-0.

    The ImageJ User Guide 1.46r (2012). https://imagej.nih.gov/ij/docs/guide/user-guide.pdf

    MaZda User's Manual. http://www.eletel.p.lodz.pl/programy/mazda/download/mazda_manual.pdf

    Scala, Pasquinelli, Cenacchi - Microscopie in biologia e in medicina - Clueb. Bologna

    Miura, K. (2016) Basics of Image Processing and Analysis. EMBL-CMCI course I. Heidelberg: Centre for Molecular & Cellular Imaging. https://github.com/miura/ij_textbook1/files/266515/CMCIBasicCourse201102Bib.pdf

    Miura, K. (editor) (2016) Bioimage Data Analysis. Weinheim, Germany: Wiley-VCH Verlag GmbH & Co. KGaA. http://www.imaging-git.com/olympus-website-bioimage-data-analysis

    Tutorial di ImageJ scaricabili al seguente link: https://imagej.nih.gov/ij/docs/examples/

    Articoli di approfondimento:

    Manera M., Giari, L., Vincenzi F., Guerranti C., DePasquale J.A. & Castaldelli G. (2017) Texture analysis in liver of common carp (Cyprinus carpio) sub-chronically exposed to perfluorooctanoic acid. Ecological Indicators. In press. DOI: 10.1016/j.ecolind.2017.05.001. IF (2015) 3.190.

    Manera M., Dezfuli B.S., DePasquale J.A. & Giari L. (2016) Multivariate approach to gill pathology in European sea bass after experimental exposure to cadmium and terbuthylazine. Ecotoxicology and Environmental Safety, 129: 282-290. IF (2015) 3.130.

    Manera M., Giari L., DePasquale J.A. & Dezfuli B.S. (2016) Local connected fractal dimension analysis in gill of fish experimentally exposed to toxicants. Aquatic Toxicology, 175: 12-19. IF (2015) 3.557.

    Manera M., Giari L., DePasquale J.A. & Dezfuli B.S. (2016) European sea bass gill pathology after exposure to cadmium and terbuthylazine: expert versus fractal analysis. Journal of Microscopy, 262(3): 291-299. IF (2015) 2.136.

    Manera M., Dezfuli B.S., Borreca C. & Giari L. (2014) The use of fractal dimension and lacunarity in the characterization of mast cell degranulation in rainbow trout (Onchorhynchus mykiss). Journal of Microscopy, 256(2): 82-89. IF 2.331

    Manera M. (2013) RGB stacks gray-level analysis to study mast cell degranulation to intestinal contraction correlation in trout. Journal of Morphological Sciences, 30(3 ): 170-175.

    Manera M. (2013) The use of texture analysis in the morpho-functional characterization of mast cell degranulation in rainbow trout (Onchorhynchus mykiss). Microscopy and Microanalysis, 19(6): 1436-1444. IF 1.757.

    Manera M. & Borreca C. (2012) Assessment of mast cells degranulation in rainbow trout (Oncorhynchus mykiss Walbaum) by means of gray level and texture analysis (Gray Level Correlation Matrices). Research in Veterinary Science, 93(2): 886-891. IF 1.774.

    Giari L., Simoni E., Manera M. & Dezfuli B.S. (2008) Histo-cytological responses of Dicentrarchus labrax (L.) following mercury exposure. Ecotoxicology and Environmental Safety, 70: 400-410. IF 2.590.

    Giari L., Manera M., Simoni E., Dezfuli B.S. (2007) Cellular alterations in different organs of European sea bass Dicentrarchus labrax (L.) exposed to cadmium. Chemosphere, 67: 1171-1181 . IF 2.739.

    Dezfuli B.S., Simoni E., Giari L. & Manera M. (2006) Effects of experimental terbuthylazine exposure on the cells of Dicentrarchus labrax (L.). Chemosphere, 64: 1684-1694. IF 2.442.



    MATERIALE DI APPROFONDIMENTO



    PROVE INTERMEDIE


    PROVA INTERMEDIA 1

    • Unità didattica di riferimento: Unità I
    • Data: Lunedì, 02.10.2017
    • Tipologia di prova: test a scelta multipla con correzione in aula


    MODALITA' DI VALUTAZIONE
    Al termine delle lezioni frontali sarà svolta un'autovalutazione delle conoscenze acquisite durante il corso per il tramite della somministrazione di 30 domande a scelta multipla. La valutazione in itinere, fatto salvo quanto specificatamente previsto per gli studenti aderenti al "Patto con lo Studente", è facoltativa, non rappresenta prova di esame, nè pregiudica in alcun modo l'accesso alle sessioni di esame che si svolgeranno secondo le modalità di seguito specificate: Esame orale finale sul programma del corso. Ulteriori dettagli sono reperibili nella scheda insegnamento individuale, scaricabile all'apposito link. La valutazione del candidato, espressa in trentesimi, nel corso dell’esame di profitto finale, seguirà la seguente griglia: • Apprendimento “concetti soglia”, max 10 punti. • Capacità critica, max 10 punti. • Capacità espositiva e proprietà del linguaggio, max 5 punti. • Approfondimenti personali, max 5 punti.

  • Argomenti PRIMA LEZIONE

    Durante la prima lezione il docente presenterà il programma del corso, con particolare riguardo agli obiettivi formativi, alle modalità di erogazione dei crediti, di valutazione intermedia e finale. Saranno inoltre esplicitate tutte le informazioni di cui agli obblighi di trasparenza. Dato il contenuto pratico-applicativo del corso gli studenti interessati a frequentare sono invitati a dotarsi, fin dalla prima lezione, di un notebook personale per poter mettere immediatamente in pratica le nozioni apprese nel corso della lezione.

    • Argomenti SECONDA LEZIONE

      Definizione e scopi dell’istopatologia.
      Microscopia ottica e principi di base di formazione dell’immagine.

      • Argomenti TERZA LEZIONE

        Acquisizione e salvataggio di immagini da destinarsi all’analisi di immagine.

        • Argomenti QUARTA LEZIONE

          L’istogramma dei livelli di grigio.
          Segmentazione.
          Analisi delle "particelle" (analyse particles).

          • Argomenti QUINTA LEZIONE

            Analisi della tessitura (Texture analysis).

            • Argomenti SESTA LEZIONE

              Analisi frattale (Fractal analysis).

              • Argomenti SETTIMA LEZIONE

                Svolgimento prova intermedia (test a scelta multipla).,
                Correzione e discussione in aula.

              • Argomenti OTTAVA, NONA, DECIMA, UNDICESIMA LEZIONE

                Esercitazioni in aula con notebook personali degli studenti/discussione applicazioni reali delle tecniche apprese.

                • Argomenti DODICESIMA LEZIONE

                  Ripetizione generale e preparazione all'esame di profitto finale del corso.

                  • Materiale per esercitazioni con programma ImageJ e MaZda

                    Sono disponibili per il download due immagini da utilizzarsi nel corso delle esercitazioni sull'uso di programmi di analisi di immagine open source e ulteriori immagini e una tabella risultanti dall'applicazione di tecniche di analisi di immagine (colour threshold, analyse particle, fractal analysis) con il programma ImageJ.