Ruggero Divincenzo

Ingegnere dei Sistemi Medicali neolaureato, appassionato di tecnologie sanitarie innovative e dell'integrazione tra ingegneria e pratica clinica. Fortemente orientato al lavoro di squadra e alla gestione di progetti complessi, offro competenze multidisciplinari in:

• AI & Data Science Medica: Sviluppo di pipeline di Machine Learning, analisi di dati genomici e radiomica.
• Digital Signal Processing: Elaborazione avanzata di segnali biomedicali (ECG, EEG) e imaging medico.
• MedTech: Progettazione di dispositivi medici, telemedicina, simulazione e segmentazione 3D.
• Stack Tecnologico: Python, MATLAB, C/C++, Java, Apache Spark, Hadoop, LabVIEW, Simulink, OpenSim.

3,B1

• VALUTAZIONE CLINICA DEL FARMACO AVP-360X NEL TRATTAMENTO DELLE LESIONI CERVICALI HPV-CORRELATE (2025):Sviluppo e validazione di AVP-360X, oligonucleotide antisenso creato appositamente per questo progetto, per il trattamento delle lesioni cervicali da HPV ad alto rischio oncogeno; conduzione di studi preclinici e progettazione di un trial clinico di Fase III volto a valutarne efficacia, sicurezza, tollerabilità e confronto con le procedure chirurgiche standard.
• IMPATTO DELL 'ETÀ SULLA FASE SIT -TO-WALK DEL TUG (2025 - Matlab): Analisi dell’impatto dell’età sulla fase Sit-to-Walk del TUG test utilizzando dati di motion capture e piattaforme di forza, con segmentazione del movimento, estrazione di metriche quantitative e qualitative e confronto delle strategie motorie tra giovani, adulti e anziani per valutare controllo motorio e stabilità posturale.
• EVOLUZIONE DELLA TOMOGRAFIA COMPUTERIZZATA: DALLA TC CONVENZIONALE ALLA TC A CONTEGGIO DI FOTONI (2025): Studio approfondito dei principi e delle evoluzioni tecnologiche della Tomografia Computerizzata, includendo analisi dei componenti principali, processi di formazione dell’immagine, tecnologie avanzate (TC spirale, multistrato, Dual-Energy, conteggio fotonico), gestione degli artefatti e strategie di riduzione della dose.
• RADIOMICA E CLASSIFICAZIONE DEI GLIOMI: UN CONFRONTO TRA MODELLI PREDITTIVI (2025 - Apache Spark): Sviluppo di una pipeline di analisi radiomica per la classificazione dei gliomi da immagini 3D di risonanza magnetica (FLAIR) utilizzando Python, PyRadiomics, SimpleITK e Apache Spark, comprensiva di preprocessing, estrazione e normalizzazione delle feature, riduzione della dimensionalità, implementazione di modelli di machine learning distribuiti e valutazione delle performance predittive.
• SEGMENTAZIONE, DESCRITTORI DI FORMA E TEXTURE ANALYSIS SUI CASI DI GLIOBLASTOMA (2024 - C++): Sviluppo di una pipeline per la segmentazione 3D e l’analisi quantitativa di glioblastomi (HGG) da immagini MRI, includendo preprocessing, segmentazione delle principali porzioni tumorali, estrazione di maschere e metriche quantitative, calcolo di caratteristiche radiomiche e visualizzazione interattiva 3D.
• DEEP LEARNING PER LA CLASSIFICAZIONE DEI TUMORI CEREBRALI: DIFFERENZIAZIONE TRA HGG E LGG (2024 - Matlab): Riorganizzazione e analisi del dataset BraTS 2020 per lo sviluppo di CNN finalizzate alla classificazione binaria di gliomi HGG vs LGG, includendo estrazione e ritaglio delle ROI, creazione di dataset strutturato, implementazione di modelli da zero e con transfer learning (ResNet50) e valutazione delle performance tramite metriche standard.
• MONITORAGGIO ELETTROCARDIOGRAFICO IN TEMPO REALE MEDIANTE ALGORITMO DI FEATURES-EXTRACTION (2024 - Matlab): Implementazione in MATLAB di un algoritmo per l’estrazione di parametri chiave da segnali ECG del MIT-BIH dataset, comprensivo di preprocessing, rilevamento dei picchi cardiaci, calcolo di intervalli e metriche di variabilità, preparazione dei dati per reti neurali e visualizzazione dei segnali per analisi clinica e computazionale.
• ANALISI CLINICA DI PAZIENTI AFFETTI DA CARCINOMA RENALE A CELLULE CHIARE E ANALISI GENETICA PER LA PROGETTAZIONE DI UNA ANN A FINI PROGNOSTICI (2024 - Matlab):Analisi di dati genomici da Genomic Data Commons per pazienti con carcinoma renale a cellule chiare, con sviluppo di una rete neurale artificiale ottimizzata tramite algoritmo genetico per la classificazione prognostica, includendo selezione dei pazienti, analisi dei geni differenzialmente espressi e visualizzazione dei risultati per supporto decisionale.
• PREVENZIONE: TECNOLOGIE ALL ' AVANGUARDIA PER LA PREVENZIONE ONCOLOGICA (2024): Revisione e sintesi di studi scientifici su strategie di prevenzione e diagnosi precoce dei tumori, con focus su biomarcatori circolanti per il cancro al seno, screening automatizzato delle immagini per lesioni cervicali e diagnostica dei polipi del colon-retto tramite reti neurali a capsula.
• EVOLUZIONE DELLA CHIRURGIA TORACICA MININVASIVA (2024): Analisi dello stato dell’arte e delle innovazioni nella Chirurgia Toracica Minimamente Invasiva (VATS), con focus sull’evoluzione dai sistemi multiportali alla VATS uniportale, includendo revisione della letteratura, valutazione dei vantaggi clinici, gestione delle sfide tecniche e confronto con la toracotomia tradizionale.
• INNOVAZIONI NEI SISTMEI ECMO (2024): Analisi della fisiologia cardiaca e respiratoria e delle tecnologie di supporto vitale avanzato, con focus su ECMO e LVAD, includendo revisione della letteratura, valutazione dei risultati clinici, confronto tra approcci invasivi e meno invasivi e analisi delle implicazioni tecnologiche e cliniche nella gestione dell’insufficienza cardiaca avanzata.