Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
BIOINGEGNERIA
Insegnamento
MODELING AND CONTROL OF BIOLOGICAL SYSTEMS
INP9087771, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
BIOINGEGNERIA
IN0532, ordinamento 2011/12, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese MODELING AND CONTROL OF BIOLOGICAL SYSTEMS
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Sito E-Learning https://elearning.dei.unipd.it/course/view.php?idnumber=2019-IN0532-000ZZ-2019-INP9087771-N0
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile CHIARA DALLA MAN ING-INF/06
Altri docenti MICHELE SCHIAVON ING-INF/06

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria biomedica ING-INF/06 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 72 153.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2011

Syllabus
Prerequisiti: Corsi di Sistemi e Modelli e Fondamenti di Automatica
Conoscenze e abilita' da acquisire: Metodologie

1. Sapere perché si modella, cioè lo scopo della modellazione
2. Conoscere la differenza tra modelli di dati e modelli di sistema
3. Conoscere gli elementi del processo di modellazione: formulazione del modello, identificazione del modello e validazione del modello
4. Conoscere la differenza tra modelli per misurare e modelli per simulare
5. Conoscere quale tecnica di stima parametrica è la più appropriata per un dato modello: minimi quadrati non lineari pesati, massima verosimiglianza, Bayes
6. Conoscere come si valida un modello in relazione al suo scopo
7. Essere in grado di formulare un modello di un sistema biologico, dati i dati e le conoscenze della letteratura
8.Essere in grado di giudicare la bontà di un modello in relazione allo scopo della modellizzazione

Case Study: metabolismo del glucosio e diabete

9.Come creare un modello compartimentale whole body della cinetica del glucosio e quantificare l'effetto dell'insulina
10. Come creare un modello minimo per stimare la sensibilità all'insulina da dati IVGTT
11. Come creare un modello compartimentale del metabolismo del glucosio nel muscolo e nel cervello dai dati di imaging PET
12. Come creare un modello cellulare stocastico della secrezione di insulina
13. Come creare un modello minimo per stimare la responsività delle cellule beta da dati IVGTT
14. Come creare gli elementi essenziali del modello di simulazione del diabete di tipo 1
15. Come utilizzare il modello di simulazione del diabete di tipo 1 nella ricerca sul pancreas artificiale e in farmacologia
16. Come implementare un controllo a catena chiusa della glicemia del diabete di tipo 1 con tecnica MPC
Modalita' di esame: La verifica delle conoscenze e delle abilità sarà valutata con un esame scritto, basato sul materiale presentato nelle lezioni ed una prova al calcolatore basata sul materiale presentato nel laboratorio, seguiti eventualmente da una prova orale basata sul materiale presentato nelle lezioni.
Criteri di valutazione: Completezza delle conoscenze acquisite sugli argomenti del corso.
Comprensione della materia, capacità di rielaborazione dei concetti e capacità di risolvere correttamente i problemi di modellistica e controllo di sistemi biologici proposti.
Contenuti: Lezione
1 - Riepilogo di "Sistemi e modelli"
2 - Stima dei parametri: Bayes
3 - Fondamenti di metabolismo del glucosio
4 - Modelli di cinetica del glucosio
5 - Modelli di controllo dell'insulina da dati IVGTT
6 - Modelli di cinetica del glucosio nel muscolo e nel cervello da dati PET
7 - Un modello stocastico della secrezione insulinica
8 - Dal modello cellulare al modello whole-body della secrezione di insulina durante IVGTT
9 - Dal modello minimo al modello massimo del metabolismo del glucosio: il simulatore di diabete di tipo 1 approvato dalla FDA
10 - Applicazioni in farmacologia e biotech del simulatore di diabete di tipo 1: nuove molecole di insulina e sensori di glucosio
11 – Il diabete di tipo 1: dal controllo aperto a quello chiuso della glicemia (pancreas artificiale)
12 – Model predictive control per il pancreas artificiale
13- In Silico clinical trials con il simulatore del diabete di tipo 1 per la progettazione robusta di algoritmi di controllo e scopi regolatori
14 – Una review dei trial clinici con pancreas artificiale sia inpatient che outpatient


Laboratorio
1. Identificazione di modelli lineari con minimi quadrati
2. Identificazione di modelli non-lineari con minimi quadrati
3. Identificazione in presenza di informazioni a priori utilizzando massimo a posteriori
4. Modelli compartimentali
5. Identificazione con pesi relativi
6. Uso della funzione forzante
7. Simulink e controllo proporzionale-integrale-derivativo (PID)
8. Applicazione del controllo PID al simulatore del diabete di tipo 1
9. Identificazione di modelli di molecole di insulina
Attivita' di apprendimento previste e metodologie di insegnamento: Le attività prevedono lezioni in aula dove vengono affrontati (attraverso slide powerpoint) i contenuti teorici del corso. Il corso prevede una serie di laboratori in aula informatica (ambiente Matlab) che ha l’obiettivo di insegnare come implemntare metodologie viste a lezione.
Eventuali indicazioni sui materiali di studio: Tutto il materiale didattico presentato durante le lezioni frontali (in formato pdf) è reso disponibile sulla piattaforma moodle.
Testi di riferimento:
  • Carson E., Cobelli, .C, Introduction to modeling in physiology and medicine. --: Academic Press, 2008. Cerca nel catalogo
  • Carson E., Cobelli, .C, Introduzione alla modellistica in fisiologia e medicina. --: Patron, 2012. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Problem based learning
  • Case study
  • Problem solving
  • Active quiz per verifiche concettuali e discussioni in classe

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Matlab

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Salute e Benessere Istruzione di qualita' Uguaglianza di genere