Laboratorio di Bioingegneria

IL LAB

Responsabile: Prof. Arcangelo Merla

Il BioEngineering Lab integra competenze multidisciplinari nei settori di ingegneria biomedica, neuroingegneria, biomeccanica computazionale, intelligenza artificiale per l’imaging biomedico, biomateriali e biosignal processing. Attraverso approcci sperimentali e modellistici, il laboratorio sviluppa tecnologie avanzate per l’interazione uomo–macchina, la riabilitazione robotica, l’analisi dei network cerebrali, la medicina personalizzata e la diagnostica supportata da AI. Le attività spaziano dalla modellazione multiscala dei sistemi biologici all’elaborazione multimodale di segnali e immagini, fino allo sviluppo di dispositivi bioelettronici e biomateriali innovativi. Il BioEngineering Lab supporta ricerca traslazionale, innovazione clinica e collaborazioni industriali ad alto contenuto tecnologico.

SEZIONI

BioEngineering for Human-Machine Interaction - BioEng4HMI

Responsabile: Prof.ssa Daniela Cardone

La sezione BioEng4HMI si occupa dello sviluppo di metodi e procedure per l’interazione uomo–macchina centrata sull’utente, con particolare attenzione all’analisi multimodale dei segnali fisiologici e comportamentali. La sezione sviluppa e studia sistemi di robotica riabilitativa basati su esoscheletri, con approcci human-centered per l’adattamento del supporto robotico allo stato funzionale del paziente e per l’ottimizzazione dei protocolli di recupero motorio. Le attività includono:

acquisizione e analisi di biosignali in contesti reali
valutazione dello stato psicofisiologico
sistemi adattivi human-centered
applicazioni in neuroergonomia, riabilitazione e ambienti intelligenti
applicazioni con realtà virtuale e realtà aumentata

Pubblicazioni: https://ricerca.unich.it/cris/rp/rp04003

Biomeccanica Teorica e Computazionale – BTC

Responsabile: Prof. Marcello Vasta

La sezione BTC si dedica allo studio dei principi fondamentali della meccanica applicata ai sistemi biologici, integrando modellazione matematica e simulazioni numeriche. L’obiettivo è comprendere la biomeccanica dei tessuti biologici in condizioni fisiologiche e patologiche attraverso metodi di modellazione numerica a diverse scale, dall’intero organismo alla microstruttura. Grazie a strumenti computazionali avanzati, è possibile sviluppare modelli predittivi personalizzati per supportare le decisioni mediche e valutare l’efficacia di nuove strategie terapeutiche o dispositivi. I principali campi di ricerca dell’unità sono:

modellazione della biomeccanica dei tessuti in condizioni fisiologiche e patologiche
sviluppo di modelli predittivi personalizzati
valutazione di dispositivi e strategie terapeutiche

Pubblicazioni: https://ricerca.unich.it/cris/rp/details.htm?lt=ugovIDAB&lv=2649 https://ricerca.unich.it/cris/rp/details.htm?lt=ugovIDAB&lv=362047

AI for Biomedical Imaging - BioAImag

Responsabile: Prof.ssa Sara Moccia

La sezione bioAImag si concentra sullo sviluppo di algoritmi di intelligenza artificiale affidabili (trustworthy AI) per l’analisi di immagini biomediche. Le principali linee di ricerca includono:

deep learning per imaging medico
segmentazione e classificazione automatica
explainable AI e validazione clinica
supporto alle decisioni in ambito diagnostico e chirurgico

Pubblicazioni: https://ricerca.unich.it/cris/rp/rp180558

Biomaterials, Bioelectronics and Bioprinting - B³

Responsabile: Prof. Edmondo Battista

L’unità B³ – Biomaterials, Bioelectronics and Bioprinting è focalizzata sui biomateriali, con particolare interesse per lo studio delle interfacce in ambiti quali diagnostica, interazioni cellula–materiale e drug delivery. Attraverso un approccio bioingegneristico, B³ utilizza tecnologie innovative come stampa 3D di biomateriali e bioelettronica avanzata per sviluppare sistemi sensoriali all’avanguardia e soluzioni intelligenti per il rilascio controllato di farmaci. Le attività comprendono:

sviluppo di biomateriali per diagnostica e drug delivery
sistemi sensoriali bioelettronici
stampa 3D di biomateriali
dispositivi intelligenti per medicina personalizzata

Pubblicazioni: https://ricerca.unich.it/cris/rp/rp143918

BioSig – Biosignal Processing

Responsabile: Dott. David Perpetuini

La sezione BioSig si occupa dell’intera pipeline dai sensori ai metodi avanzati di analisi dei biosignali, integrando acquisizione multimodale, elaborazione del segnale e machine learning. Le principali attività includono:

analisi di segnali fisiologici (EEG, fNIRS, EMG, ECG, IRT)
fusione multimodale e modelli predittivi
valutazione dello stato cognitivo ed emotivo
applicazioni in neuroingegneria, riabilitazione e performance umana

Pubblicazioni: https://ricerca.unich.it/cris/rp/rp01747?type=all

TEAM

Prof. Arcangelo Merla

Direttore del Laboratorio

Prof. Marcello Vasta

Responsabile Sezione BTC

Prof. Edmondo Battista

Responsabile Sezione B³

Prof.ssa Daniela Cardone

Responsabile Sezione BioEng4HMI

Prof.ssa Sara Moccia

Responsabile Sezione bioAImag

Dott. David Perpetuini

Responsabile Sezione BioSig

Prof.ssa Cristina Falcinelli

(BTC)

Dott.ssa Maria Chiara Fiorentino,

contrattista di ricerca (bioAImag)

Dott.ssa Mariachiara Di Cosmo,

borsista postdoc (bioAImag)

Dott. Alessandro Di Matteo,

borsista postdoc (bioAImag)

Dott. Angelo Lasala,

borsista postdoc (bioAImag)

Dott.ssa Elena Campilii,

dottoranda (bioAImag)

Dott. Emanuele Cardinale,

dottorando (bioAImag)

Dott.ssa Giulia D'Ambrosio,

dottoranda (BioEng4HMI, BioSig)

Dott. Michele Giuseppe Di Cesare,

dottorando (BioEng4HMI, BioSig)

Dott.ssa Gaia Di Filippo,

dottoranda (bioAImag)

Dott.ssa Greta Di Marino,

dottoranda (bioAImag)

Dott. Francesco Luppino,

dottorando (BTC)

Dott. Francesco Romano,

dottorando (BioEng4HMI, BioSig)

Dott.ssa Ludovica Di Pompeo,

borsista (BioEng4HMI, BioSig)

ATTREZZATURE E DOTAZIONI

Gli strumenti a disposizione del BioEngineering Lab sono:

COMSOL Multiphysics;

Digital t-shirt;

Eye tracker;

MATLAB;

Piattaforme robotiche antropomorfe (NAO);

Sistemi di acquisizione dei segnali bioelettrici (EMG, EEG, EDA, ECG, PPG);

Sistemi fNIRS per neuroimaging corticale funzionale;

Termocamere IR di ultima generazione;

Visori per realtà virtuale (VR).

RISORSE HPC

Cluster HPC ad alte prestazioni

Workstation Intel® Core™ i9-14900K

ALCUNI PROGETTI DI RICERCA

AID2GAIT: Biofeedback based system to enhance robotic assisted gait training in children with cerebral palsy (PRIN PNRR 2022).

Budget: 230.777,00 €

Il progetto mira a sviluppare un sistema di biofeedback personalizzato con l'obiettivo di migliorare i risultati del Robotic Assisted Gait Training (RAGT) in bambini con Paralisi Cerebrale Infantile (PCI). Il sistema si basa sul monitoraggio dello stato psicofisico dei bambini e sul monitoraggio dell'attività cinematica dell'esoscheletro utilizzato per il RAGT. Le informazioni sono valutate in tempo reale e costituiranno i dati di input per un modello basato sull'apprendimento automatico in grado di classificare il livello di coinvolgimento dei pazienti basato su algoritmi di intelligenza artificiale (IA). In base all'output del modello, il fisioterapista, che assiste il bambino durante le sedute RAGT, potrà intervenire e modificare i parametri dell'esoscheletro.

SKINPULSE: In silico trial of skin thermal profile for pulse wave stratification: A multiphysics and machine-learning approach (PNRR Spoke 6 – HPC Multiscale Modelling & Engineering Applications)

Budget: 89.250 €

Il progetto mira a sviluppare la modellazione accurata degli effetti termici secondari a stenosi carotidea per la sua diagnosi mediante LWIR imaging. Il metodo si basa sulla modellazione e la risoluzione via HPC dei processi termofluidodinamici coinvolti e l’implementazione, su dati simulati, di modelli di ML per la risoluzione del problema inverso.

EMOTIVE: Empowering Mobility with affective cOmputing, brain-computer inTerface, Internet of Things and Vital signs monitoring for Smart WhEelchairs (GRANT Pharaon Horizon 2020 #857188)

Budget: 174.976,48 €

Il progetto E-MOTIVE si occupa dell’integrazione di un modulo computazionale psicofisiologico con una carrozzina a guida autonoma con lo scopo di monitorare lo stato affettivo e di salute dell’individuo durante l’utilizzo della carrozzina. Inoltre, la carrozzina sarà equipaggiata con un tablet per la somministrazione di test cognitivi per il monitoraggio dello stato cognitivo degli utenti. Le informazioni dei test e del modulo computazionale saranno gestite tramite una piattaforma IoT.

AIRCARE: AI-Augmented Robotics For CAncer Point of CaRE (Luglio 2024 - Giugno 2028) https://aircareproject.eu/

Budget Ud'A: 330.000,00 € Contributo totale EU: 7.933.969,38 €

AIRCARE è un progetto finanziato da Horizon Europe che coinvolge università, centri di ricerca, ospedali e PMI europee. Mira a innovare diagnosi e trattamento delle patologie del tratto aerodigestivo superiore (UADT) integrando IA avanzata e robotica nei flussi ospedalieri. AIRCARE sviluppa tecnologie per migliorare individuazione, diagnosi e chirurgia dei tumori UADT, con validazione tramite studi clinici e promozione dell’adozione come nuovo standard di cura nei centri oncologici ORL. L’obiettivo è ottimizzare la gestione dei pazienti e gli esiti clinici, definendo un nuovo riferimento terapeutico.

SMARTER-ASD: A SMART CRIB EMBEDDED WITH AI ALGORITHMS FOR AN EARLY DETECTION OF AUTISM SPECTRUM DISORDER IN PRETERM INFANTS (Settembre 2024 - Agosto 2029)

Budget Ud'A: 1.744.335,47 €

SMARTER-ASD punta a progettare, sviluppare e validare una culla intelligente per analizzare preferenze visive e pattern motori nei neonati pretermine in UTIN, a supporto dello screening precoce dei disturbi del neurosviluppo. La culla integra un sistema di monitoraggio con telecamere RGB-D e sensori clinici già in uso (es. cardiomonitor) per la raccolta dei dati ed un motore di intelligenza artificiale che elabora tali informazioni e fornisce parametri quantitativi utili agli operatori sanitari. Gli algoritmi saranno addestrati con apprendimento federato, consentendo analisi multicentriche senza centralizzare dati sensibili, e saranno progettati per garantire robustezza, conformità normativa ed eticità lungo tutto il ciclo di vita. Nonostante l'aumento delle tecnologie per la diagnosi neonatale, il potenziale dell'IA nello screening precoce dell'autismo non è ancora sfruttato appieno. SMARTER-ASD intende colmare questa lacuna offrendo strumenti quantitativi a supporto dei clinici in UTIN.