Bando ICE 52/2025 N. 2 Incarichi su fondi PRIN 2022 Resp. Comminiello - 2022ENK9LS EXEGETE: Explainable Generative Deep Learning Methods for Medical Image and Signal Processing-Codice Progetto: 2022ENK9LS (2025-0068-1411-240619)

Data pubblicazione: 15-12-2025
Data scadenza: 30-12-2025
Centro di spesa: DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE, ELETTRONICA E TELECOMUNICAZIONI
data dell'ultimo aggiornamento: 16/02/2026 - 17:14
Codice bando: ICE 52/2025
2025-0068-1411-240619
Totale incarichi: 2

Incarichi conferiti

Tutte le pubblicazioni riguardanti i titolari di incarichi politici, i dirigenti, i consulenti e i collaboratori, di seguito riportate, sono garantite per tutta la durata dell'incarico nonché per un periodo ulteriore di tre anni decorrenti dalla data di cessazione dell'incarico medesimo ai sensi delle normative vigenti in termini di Trasparenza e Privacy.

ESTREMI ATTO Nominativo Periodo rapporto Oggetto dell'incarico Compenso
Contratto incarico collaborazione esterna ICE 52/2025 “Sviluppo di modelli generativi allineati per segnali biomedici” relativa al progetto di ricerca PRIN 2022 Prot. n. 365 rep. n. 33 del 18/02/2025 CICCHETTI GIORDANO 17-02-2026 to 16-03-2026

L'attività da svolgere consiste nello sviluppo di metodi innovativi di representation learning and alignment egenerative deep learning per l’analisi di immagini e segnali temporali, con focus principale su applicazioni medichetra cui analisi di segnali EEG e rilevazione di patologie di cancro al seno, confronti con metodi allo stato dell'arte escrittura di un articolo scientifico. fondi PRIN 2022 Resp. Comminiello - 2022ENK9LS EXEGETE:Explainable Generative Deep Learning Methods for Medical Image and Signal Processing (CodiceUGOV: 000322_23_MAP_COMMINIELLO_PRIN_2022 [Codice Progetto: 2022ENK9LS]) CUPB53D23013030006 

€3 000.00
Contratto di collaborazione esterna ICE 52/2025 Prot. n. 366 Rep. n. 34 del 18/02/2026 Sviluppo di modelli generativi allineati per segnali biomedici PANTE LORENZO 17-02-2026 to 16-03-2026

L'attività da svolgere consiste nello sviluppo di metodi innovativi di representation learning and alignment egenerative deep learning per l’analisi di immagini e segnali temporali, con focus principale su applicazioni medichetra cui analisi di segnali EEG e rilevazione di patologie di cancro al seno, confronti con metodi allo stato dell'arte escrittura di un articolo scientifico.economico-finanziaria fondi PRIN 2022 Resp. Comminiello - 2022ENK9LS EXEGETE:Explainable Generative Deep Learning Methods for Medical Image and Signal Processing (CodiceUGOV: 000322_23_MAP_COMMINIELLO_PRIN_2022 [Codice Progetto: 2022ENK9LS]) CUPB53D23013030006 

€3 000.00
© Sapienza Università di Roma - Piazzale Aldo Moro 5, 00185 Roma - (+39) 06 49911 - CF 80209930587 PI 02133771002