Seminario AI Lab | Deep Learning affidabile per applicazioni di imaging medicale
Seminario AI Lab | Deep Learning affidabile per applicazioni di imaging medicale si inserisce in una serie di appuntamenti organizzati dall’Artificial Intelligence Lab di Intesa Sanpaolo Innovation Center che hanno l’obiettivo di illustrare e diffondere le evoluzioni delle ricerche condotte nell’ambito dell’intelligenza artificiale.
Il seminario, a cura di Intesa Sanpaolo Innovation Center, si terrà lunedì 25 marzo 2024, H. 11.00-12.00 e sarà condotto in lingua italiana.
ABSTRACT
Negli ultimi anni il Deep Learning ha cambiato le prospettive di molte discipline scientifiche, contribuendo ad accelerare l'impatto dell'intelligenza artificiale sul sistema economico e sociale: raramente un tema tecnologico ha raggiunto un tale livello di importanza nel dibattito pubblico.
In questo seminario trarremo spunto dall'AI act approvato lo scorso dicembre dal Parlamento EU per affrontare il tema dello sviluppo di sistemi affidabili di supporto alla diagnosi medica. Attraverso l'esperienza del gruppo EIDOS del Dipartimento di Informatica dell'Università di Torino mostreremo come sia possibile definire obiettivi che permettano di puntare all'eccellenza scientifica e all'impatto sul sistema socio-sanitario, allo stesso tempo affrontando e mitigando gli alti rischi dell'apprendimento automatico in ambito medico.
A tale scopo verranno discussi alcuni approcci per rendere interpretabili, inclusivi e affidabili i sistemi AI per l'anailisi di immagini mediche.
BIO
Marco Grangetto è professore ordinario in Informatica presso l'Università di Torino dove coordina il gruppo di ricerca EIDOS (Elaborazione di Immagini, Visione e Realtà Virtuale).
Il prof. Grangetto è coautore di più di 150 contributi scientifici su riviste e atti di convegno internazionali e inventore in 10 brevetti. Significativi anche i contributi agli standard di codifica per immagini e video JPEG e MPEG. Ha partecipato a numerosi progetti di ricerca nazionali ed europei. Negli ultimi anni si è concentrato sugli aspetti fondazionali dell'apprendimento automatico per la visione artificiale con applicazioni in ambito industriale e biomedico.
Nell'ultimo anno accademico ha contribuito all'attivazione del nuovo corso di laurea magistrale in "Artificial Intelligence for Biomedicine and Healthcare". È attualmente vice direttore alla ricerca del Dipartimento di Informatica. È senior member IEEE, ELLIS member e associate member MPAI.
