Ministero dell` Istruzione, dell` Università e della Ricerca

Transcript

,
,
Ministero dell' Istruzione, dell' Università e della Ricerca
Dipartimento per l'Università, l'Alta Formazione Artistica, Musicale e Coreutica e per la Ricerca
Direzione Generale per il Coordinamento e lo Sviluppo della Ricerca
PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE
RICHIESTA DI COFINANZIAMENTO (D.M. 1152/ric del 27/12/2011)
PROGETTO DI UNA UNITÀ DI RICERCA - MODELLO B
Anno 2010-2011 - prot. 2010CTNZBJ_009
1 - Area Scientifico-disciplinare
02: Scienze fisiche
75% *
09: Ingegneria industriale e dell'informazione 25%
* Area prescelta ai fini della valutazione
2 - Coordinatore Scientifico
ALOISIO
ALBERTO
Professore Straordinario
Università degli Studi di NAPOLI "Federico II"
Facoltà di SCIENZE MATEMATICHE FISICHE e NATURALI
Dipartimento di SCIENZE FISICHE
3 - Responsabile dell'Unità di Ricerca
DEL VIVA
(Cognome)
MARIA
(Nome)
Ricercatore confermato
(Qualifica)
20/02/1962
(Data di nascita)
DLVMRA62B60G702W
(Codice fiscale)
(fax)
[email protected]
(E-mail)
Università degli Studi di FIRENZE
(Università/Ente)
Dipartimento di PSICOLOGIA
(Dipartimento)
050-771329
(telefono)
4 - Curriculum scientifico
Testo italiano
Data di nascita: 20 Febbraio 1962.
Cittadinanza: Italiana.
Stato Civile: Coniugata, due figli.
Titoli: Laurea in Scienze Biologiche, indirizzo Biofisco
Dottore di Ricerca in Biologia Molecolare e Biofisica della Cellula e dello Sviluppo.
QUALIFICHE E OCCUPAZIONI
1981-1990Studente Universitario presso l'Universita' di Pisa. Fisica per tre anni poi avendo focalizzato gli interessi sull'applicazione della fisica e della matematica a
sistemi biologici, mi sono trasferita al corso di laurea in Scienze Biologiche, indirizzo biofisico.
11/ 1990 Laurea in Scienze Biologiche (votazione 110/110 e lode) presso l'Universita' di Pisa. Tesi dal titolo: "Studio delle proprieta' cinetiche di canali ionici
Stretch-Activated in neuroni centrali di Hirudo medicinalis."; relatore: Prof. Mario Pellegrino.
01/1991 Ingresso nel gruppo di psicofisica della visione del Prof. Burr e della Prof. Morrone, presso l'Istituto di Neurofisiologia del C.N.R. di Pisa.
1991-1994 Membro dell'Unità Operativa della Scuola Normale Superiore del Progetto Finalizzato del CNR "Robotica", per lo sviluppo di modelli computazionali
della percezione visiva umana.
6/1992- 5/ 1993 Contratto di consulenza professionale con l'Universita' di Pisa per lo sviluppo di algoritmi per l'analisi di dati biologici e per simulazioni con reti
neuronali.
5/1993 - 11/1993 Contratto di consulenza professionale con il Consorzio di Ricerca Industriale Tecnobiochip (Marciana (Li)), nell'ambito del Progetto Nazionale per
la Bioelettronica. Durante per lo sviluppo di modelli algoritmici per simulazioni della percezione visiva del movimento e per la creazione di stimoli visivi adatti alla
sperimentazione psicofisica.
11/1993-11/1996 Dottorato di ricerca in Biologia Molecolare e Biofisica della Cellula e dello Sviluppo IX Ciclo presso l'Universita' di Pisa.
7/ 1997 Conseguimento del Titolo di Dottore di Ricerca, con tesi dal titolo "Studio dei meccanismi neuronali non-lineari nella percezione visiva del movimento
nell'uomo", relatori Prof. Cervetto e Prof. Morrone.
MIUR - BANDO 2010-2011 - MODELLO B
Ministero dell'Istruzione dell'Università e della Ricerca
7/1997-12/1997 Contratto di consulenza professionale con l'Istituto di Neurofisiologia del C.N.R. di Pisa, laboratorio di psicofisica della visione, per lo studio,
mediante esperimenti di psicofisica, dei meccanismi nervosi responsabili della percezione visiva del movimento .
1/1998 - 7/1998 Consulente del Centro Ricerche FIAT (Orbassano,To), per la realizzazione di un sistema di misura di psicofisica su strada, per determinare i livelli di
illuminamento ottimali in funzione del tipo di fari dell' automobile.
1999 Contratto di consulenza professionale con il Dipartimento di Psicologia dell'Universita' di Firenze, per lo studio, mediante tecniche psicofisiche e
neuropsicologiche, dell' integrazione spaziale e del movimento in pazienti affetti dal morbo di Alzheimer.
11/2000 Presa di servizio presso l'Università degli Studi di Firenze con la qualifica di Ricercatore Universitario. Confermato in ruolo il 11/2003
1/2008-present. Visiting scholar dell'University of Chicago, Institute for Mind and Biology , “Vision Laboratory”, diretto dal Prof. Steve Shevell.
CORSI DI FORMAZIONE
Corso “Bioelettronica” , Facolta' di Scienze dell'Informazione dell'Universita' di Pisa riguardante fondamenti di robotica e tecniche di programmazione non
procedurale.
Corso “Modelli di Sistemi Fisiologici” , Scuola Normale Superiore, riguardante la teoria dei sistemi lineari e la struttura dei sistemi a microprocessore.
Corso "Riconoscimento ed elaborazione delle immagini e loro applicazioni in Industria e Medicina" , Scuola Normale Superiore .
Corso "Immagini in Medicina: Visualizzazione, Elaborazione e Applicazioni Cliniche" , Scuola Normale Superiore.
Corso avanzato di "Metodi statistici di misura", Scuola Normale Superiore.
ATTIVITA' DI RICERCA
MODELLI COMPUTAZIONALI DELLA PERCEZIONE
Nell'ambito del progetto finalizzato Robotica e di altri progetti MIUR, mi sono occupata dello studio e della realizzazione di modelli computazionali della percezione
visiva del movimento. In particolare ho sviluppato un modello non lineare che, simulando meccanismi presenti nei sistemi visivi biologici, riesce con successo a
localizzare gli elementi salienti, quali contorni e linee in scene visive naturali e artificiali e a derivarne la velocita'[Del Viva & Morrone,1998]. Una più recente
variante di questo modello è in grado di predire effetti di trasparenza in stimoli artificiali e spiegare che il sistema visivo per analizzare il movimento di oggetti tende
a seguire la traiettoria delle features salienti che li costituiscono[Del Viva & Morrone, 2006 ].
MECCANISMI RESPONSABILI DELLA PERCEZIONE DEL MOVIMENTO
Dal Gennaio 1992, parallelamente agli studi computazionali, ho condotto numerose misure di psicofisica volte a studiare i sistemi di neuroni non-lineari che
intervengono nella percezione del movimento visivo. Ho svolto inoltre studi riguardanti le loro interazioni con i meglio conosciuti meccanismi lineari[Del Viva &
Morrone , 2006].
ATTIVITÀ DI RICERCA IN AMBITO INDUSTRIALE
Durante il 1998 ho svolto attivita' di ricerca finalizzata presso il Centro Ricerche FIAT nell'ambito del progetto Europeo Eureka AFS. L'obiettivo primario di questo
progetto consisteva nel determinare le specifiche e proporre una nuova regolamentazione riguardante sistemi di illuminazione avanzati per veicoli, in grado di adattarsi
dinamicamente e automaticamente al livello di illuminazione generale e al tipo di guida (autostrada, urbana,extraurbana, curva). A tale scopo ho progettato e realizzato
un sistema di misura su strada per rilevare contemporaneamente sia il livello di abbagliamento del sistema visivo che la capacita' di identificazione di oggetti di varie
dimensioni e contrasto, posti nel campo visivo del guidatore, in funzione dell'illuminamento prodotto dai fari nelle varie situazioni di guida e di illuminamento
ambientale. Ho eseguito inoltre tutte le misure di psicofisica necessarie a determinare i livelli di illuminamento ottimali per il sistema visivo umano nelle varie
situazioni Infine ho ideato e somministrato questionari per testare soggettivamente il livello di comfort e l'efficacia delle illuminazioni testate. Le indicazioni fornite da
tali studi sono state successivamente implementate nella realizzazione dei fari adattativi .
EVOLUZIONE DELLE CAPACITÀ PERCETTIVE DURANTE LO SVILUPPO E L'INVECCHIAMENTO.
Evoluzione dell'integrazione spaziale di contorni. A questo riguardo ho condotto varie misure di psicofisica sulla popolazione in varie fasce di età. I risultati mostrano
che la capacità di integrare vari elementi sparsi a formare dei contorni dipendono sia dalla distanza degli elementi che dal loro orientamento relativo quando gli
elementi da integrare sono vicini, suggerendo il coinvolgimento di molteplici aree cerebrali (vedi anche la ricerca in ambito clinico). La capacità di integrazione
inoltre migliora progressivamente durante l'infanzia[Del Viva et al, 2006], raggiunge il massimo in età adulta e si degrada con l'invecchiamento[Del Viva & Agostini ,
2007] probabilmente dovuto a meccanismi di tipo corticale[Agostini, Sassi & Del Viva, 2007].
Studio dello sviluppo della percezione del movimento mediante VEP in neonati. Ho condotto una ricerca sullo sviluppo del sistema visivo umano utilizzando
potenziali evocati visivi (VEP) in risposta a stimoli in movimento. Lo studio riguardava in particolare lo sviluppo del sistema che analizza il "flusso ottico”.
Nonostante la notevole difficoltà di questo studio, dovuta all'eccezionale giovane età dei soggetti, registrati a partire da una settimana e alcuni seguiti
longitudinalmente fino a sei mesi, siamo riusciti a registrare risposte significative per il movimento in neonati a partire da 4 settimane di vita[Del Viva , Morrone &
Fiorentini, 2001].
RICERCA IN AMBITO CLINICO
Pazienti Alzheimer In collaborazione con il reparto di Neurologia dell'Ospedale di Careggi (Firenze), ho svolto una ricerca riguardante deficits della percezione in
pazienti affetti dal morbo di Alzheimer, dovuti alla compromissione di aree cerebrali specifiche. I risultati di queste ricerche hanno evidenziato il ruolo specifico delle
diverse aree cerebrali compromesse nell'integrazione spaziale e nella percezione del movimento in questi pazienti [Piccini C et al, 2003]. L'aspetto particolarmente
innovativo di questo lavoro e' stata la misura di performances mediante metodologie psicofisiche appositamente sviluppate, unitamente ai tradizionali assessment
neurologici e neuropsicologici. In particolare si è evidenziato che pazienti aventi lo stesso quadro neuropsicologico sono risultati avere prestazioni molto diverse in
test psicofisici. Questo approccio ha quindi il grande vantaggio non solo di poter evidenziare eventuali deficit ma soprattutto di quantificarli di poterne seguire
l'evoluzione temporale, in relazione all'evoluzione della malattia, divenendo un potenziale strumento diagnostico.
Pazienti frontali A seguito dei risultati ottenuti con i pazienti Alzheimer, nell'ambito di una collaborazione con l'Università di Bologna, ho partecipato a una ricerca
riguardante la capacità di integrazione spaziale in pazienti con lesioni al lobo frontale. I risultati di questa ricerca (oggetto di una pubblicazione allegata) mostrano un
chiaro coinvolgimento delle aree frontali in compiti difficili di integrazione spaziale, ritenuti fin al momento esclusivo appannaggio delle aree occipitali[ Ciaramelli et
al, 2007] .
Pazienti in età evolutiva Nell'ambito di una collaborazione con un gruppo di ricercatori dell' IRRCS “Stella Maris” (Livorno) ho partecipato a ricerche sulla
percezione in pazienti aventi varie patologie, indagati mediante svariate tecniche.
Studio della percezione del movimento mediante registrazione di VEP in pazienti con sindrome di Down, Questo studio da me coordinato, è stato svolto nell'ambito di
una ricerca finalizzata del Ministero della Sanità, volta a stabilire le relazioni tra sindrome di Down e morbo di Alzheimer. I risultati ottenuti mostrano che i pazienti
Down hanno una percezione assolutamente deficitaria del flusso ottico rispetto a soggetti sani, analogamente a quanto riportato in pazienti Alzheimer [Tozzi A et al,
2003].
Studio della percezione visiva in pazienti con disturbi pervasivi dello sviluppo Questo studio si inserisce nell'attuale dibattito scientifico riguardante l'analisi delle
informazioni locali e globali nei pazienti autistici. Mediante esperimenti di psicofisica, particolarmente difficili da condurre in una popolazione di bambini autistici,
abbiamo escluso la presenza di deficit visivi di basso livello in compiti di integrazione spaziale e del movimento, fornendo ulteriori spunti ad una letteratura per il
momento controversa[Del Viva et al, 2006].
Studio della percezione del movimento in bambini con “periventricular leukomalacia” (PVL) La ricerca ha mostrato che questi pazienti hanno un deficit nella
percezione del movimento visivo, molto probabilmente in relazione ai numerosi disturbi dell'apparato motorio[Guzzetta A et al, 2009]. In particolare alcuni di questi
bambini testati approfonditamente, utilizzando numerose tecniche di indagine (test psicofisici, fMRI , misure di movimenti oculari e VEP), mostrano un'inversione
sistematica nella direzione percepita del movimento, probabilmente correlata alla massiccia perdita di sostanza bianca durante lo sviluppo[Morrone et al, 2008].
ILLUSIONI
Un argomento importante delle mie ricerche riguarda lo studio di alcuni movimenti illusori attraverso stimoli che di per sè non contengono informazioni di
movimento, ma che vengono percepiti comunque in moto dall'osservatore, denominati Glass patterns e anti-Glass patterns. Grazie allo studio della percezione prodotta
da questi stimoli è stato possibile indagare le interazioni tra i diversi meccanismi neurali responsabili dell'analisi del movimento e della forma di oggetti presenti nelle
scene visive [Del Viva & Gori, 2008]. In particolare, uno studio psicofisico condotto su gli anti-Glass patterns ha mostrato in maniera indiretta un ritardo tra l'analisi
visiva di stimoli scuri rispetto ad identici stimoli chiari, probabilmente dovuto ad un ritardo del canale OFF rispetto a quello ON a livello sottocorticale [Del Viva,
Gori & Burr, 2006
PERCEZIONE CROSS-MODALE
Il sistema nervoso centrale integra le informazioni provenienti da sensi diversi per reagire in maniera accurata alle diverse situazioni ambientali. L'integrazione
multisensoriale a sua volta si basa sull'integrità e il funzionamento delle singole modalità, che hanno uno sviluppo protratto durante l'infanzia. Queste considerazioni
mi hanno spinto a studiare lo sviluppo della percezione cross-modale visuo-tattile, in collaborazione con il Prof Sandini ( Facoltà di Ingegneria -Università di Genova
e Istituto Italiano di Tecnologia (IIT) di Genova). La comprensione della percezione visuo-tattile e del suo sviluppo è cruciale per l'implementazione di algoritmi su
base fisiologica in robot, che in questo modo possono imparare a manipolare oggetti. I risultati di queste ricerche mostrano che i bambini integrano le informazioni
sensoriali in maniera statisticamente ottimale, come gli adulti , a partire dai 10 anni. Questo studio ha prodotto una pubblicazione [Gori et al, 2008], che è stata scelta
dal sistema di valutazione indipendente “Faculty 1000“, che seleziona le pubblicazioni più interessanti e innovative indipendentemente dalla rivista di pubblicazione.
RICONOSCIMENTO DI PATTERNS VISIVI
Dal 2006, in collaborazione con ricercatori dell'Istituto di Fisica dell'università di Pisa e dell'Istituto Nazionale di Fisica Nucleare (INFN) ho iniziato a studiare il
problema generale del riconoscimento di pattern in sistemi di elaborazione dell'informazione (IPS). Grazie a questi studi siamo giunti alla formulazione di un
approccio del tutto nuovo al problema dell'estrazione di pattern “significativi“ (features) basato su principi di codifica efficiente dell'informazione. Studi
computazionali e di psicofisica .[Punzi & Del Viva , 2006 ; Del Viva & Punzi ,2008; Del Viva et al, 2010] hanno mostrato che i pattern estratti dal modello sono
molto simili alla struttura dei campi recettivi delle aree visive primarie. Pertanto corrispondono alle features che il nostro sistema visivo identifica come significative,
e per i quali ha una sensibilità maggiore. Durante la mia viita presso l' Institute for Mind and Biology presso the University of Chicago, ho sviluppato ulteriormente
questo modello al fine di chiarire il ruolo del colore nei primi stadi dell'analisi visiva, in collaborazione col Prof. Shevell [Del Viva, Punzi & Shevell, 2009; Punzi, Del
Viva, and Shevell, 2010].
Durante tutta la mia attività di ricerca, ho personalmente sviluppato il software necessario per la simulazione di reti neuronali, per la realizzazione degli stimoli visivi e
l'acquisizione dati di psicofisica, e per le analisi statistiche dei dati. Questo è stato possibile grazie alle conoscenze approfondite di vari linguaggi di programmazione
(Basic, C, Prolog, Mathematica, MatLab). Queste attività, hanno inoltre richiesto la gestione di molteplici sistemi operativi (Unix, DOS, VAX/VMS, OS, Windows) di
cui ho svolto anche le funzioni di system manager.
In alcuni casi, soprattutto nelle ricerche sui bambini e anziani che sono generalmente meno cooperativi, si è reso necessario ideare e sviluppare procedure statistiche ad
hoc per l'acquisizione ottimizzata dei dati psicofisici. Tali tecniche sono state ottimizzate mediante estensive simulazioni con metodi Monte Carlo.
REFEREE PER RIVISTE
Vision Research,
Journal of Vision,
Journal of Experimental Psychlogy
EURASIP Journal on Applied Signal Processing.
ORGANIZZAZIONE CONFERENZE
Organizzatore locale della XV European Conference on Visual Perception, Pisa (1992)
FINANZIAMENTI DI RICERCA
2006-2008 Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Studio della percezione cross-modale visuo-tattile
nell'uomo.
2009-2011 Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Estrazione di pattern significativi
nell'ottimizzazione di sistemi di elaborazione veloce dell'informazione: un nuovo approccio che collega il riconoscimento di pattern significativi nel cervello umano e
nei sistemi elettronici ad alta velocita`.
Finanziamento MIUR-PRIN 2007. Titolo del progetto generale: Studio dei meccanismi di integrazione dell'informazione visiva e multisensoriale Coordinatore
scientifico nazionale: Prof. C Caudek.
ERC Ideas Advanced grant numero 229445: STANIB. coordinatore David Burr, Univesità di Firenze
2011-Finanziamento da parte di The University of Chicago per supporto alla ricerca su Fast recognition of meaningful patterns in the visual system by using
information optimization strategies, and study their perception by humans, particularly in the color domain.
ATTIVITA' DIDATTICA
Svolgo attività didattica continuativamente dal 1998 presso l'Università di Firenze -con interruzione negli aa 2008-2009 e 2010-2011 per congedo per studio e ricercaripartita nella seguente maniera
CORSI
Psicologia Fisiologica -Corso di Laurea in Psicologia, Facolta' di Scienze della Formazione
Psicologia Fisiologica -Corso di Laurea in Scienze e Tecniche di Psicologia Generale e Sperimentale, Facoltà di Psicologia
Fondamenti anatomo-fisiologici dell'attività psichica -Corso di Laurea in Scienze e Tecniche Psicologiche
Tirocini ed Internati Corso di Laurea specialistica in Psicologia Sperimentale, Facolta' di Psicologia.
Laboratorio di Psicologia Sperimentale - Corso di Laurea Magistrale in Psicologia, Facolta' di Psicologia.
Lecturer per il corso “Sensation and Perception” at
University of Chicago, Faculty of Psychology (Inverno 2009).
Membro del Consiglio dei Docenti della Scuola di Dottorato in Psicologia , presso il Dipartimento di Psicologia dell'Università di Firenze
SUPERVISIONE STUDENTI
Relatrice di circa 50 tesi di laurea sperimentali di cui 25 consistono in lavori sperimentali .
Relatrice di due tesi di Dottorato presso il Dipartimento di Psicologia dell'Università di Firenze Al momento tutor di un dottorando presso il Dipartimento di
Psicologia dell'Università di Firenze
Alcuni dei miei studenti hanno proseguito la carrier di ricerca in ambito accademico. Alcuni esempi: ROBERTA IGLIOZZI (PhD 2002-2005): Ricercatore presso
I.R.C.C.S. Stella Maris Calambrone, Pi. VALENTINA ARENA (Laurea 2003): PhD Deafness cognition and language research centre UCL London. SABRINA
DANTI (Laurea 2003): PhD Dipartimento di Medicina e Psichiatria Universita' di Pisa. MONICA GORI (Laurea 2004): Post Doc I.I.T. Genova. OLGA PUCCIONI
(Laurea Magistrale 2009) PhD Student S.I.S.S.A. Trieste
INCARICHI ISTITUZIONALI
Durante il corso degli anni ho svolto i seguenti incarichi istituzionali
Corso di Laurea in Scienze e Tecniche di Psicologia Generale e Sperimentale Facoltà di Psicologia dell'Università di Firenze
-Vice Presidente del Corso di Laurea
-Membro della Commissione Tesi
-Membro della Commissione Didattica
-Responsabile del Progetto Erasmus
-Membro della Commissione Didattica del Modulo Professionalizzante
Facoltà di Psicologia dell'Università di Firenze
-Coordinatore dei Tirocini post-lauream
-Membro della Giunta di Facoltà
-Membro dell Centro di Orientamento di Facoltà
Dipartimento di psicologia dell'Università di Firenze
-Membro della Giunta di Dipartimento
Attualmente Membro del gruppo di Autovalutazione del Corso di Laurea in Scienze e Tecniche Psicologiche
Testo inglese
Birth date: February 20th 1962.
Citizenship: Italian.
Marital status: Married, two children.
Degrees: Laurea in Biology, curriculum Biophysics
PhD (within Molecular Biology and Biophyscs of the cell and development program).
EDUCATION, RESEARCH ACTIVITIES AND RESPONSIBILITIES
1981-1990 Student at University of Pisa. I studied Physics for three years, then my interests shifted to applications of mathematics and physics to biological systems
and I moved to Biology.
Nov 1990 Graduated in biology, (110/110 cum laude) at University of Pisa, Department of Physiology and Biochemistry. The thesis “Kinetic properties of
Stretch-Activated ion channels proteins of membranes in central neurons of Hirudo medicinalis." under the supervision of Prof. M. Pellegrino, was an original
research work on "patch clamp" electrophysiological recordings, and their statistical properties.
1991- 1994 Student in the Vision Lab of Professors M. C. Morrone and D. C. Burr at the Institute of Neurophysiology, of National Council of Research CNR in Pisa,
Italy.
Started my life-long research activity with Professors Burr and Morrone, two outstanding scientists in experimental psychology and neuroscience. Here I started my
studies of human vision, which is currently my main line of research
1991 - 1994 Member of the project “Robotics” (a targeted CNR grant) and developed a computational model of human motion perception
Jun 1992 - May 1993 University of Pisa Contract for development of software for biological data analysis and neural-networks simulations
May 1993 - Nov 1993 Industrial Research Council “Tecnobiochip” Marciana (Leghorn) Contract, in the framework of the National Project of Bioelectronics, aimed at
development of software for creation of visual stimuli for psychophysics experiments.
1993- 1996 PhD Student at University of Pisa, Department of Physiology.
Jul 7th 1997, Ph.D. degree from University of Pisa. Thesis: “Non-linear neural mechanisms involved in human visual motion perception.", advisors Prof. L. Cervetto
and Prof. M. C. Morrone.
Jul 1997-Dec 1997 Institute of Neurophysiology, CNR-Pisa Contract
for further experimental researches on human visual motion mechanisms.
1998 Professional psychophysicist consultant contract with FIAT Research Center (Turin) on design of self-adapting car lights (European project EUREKA for
Advanced Frontlighting Systems).
1999 University of Florence Department of Psychology contract, for carrying out a clinical psychology research in collaboration with the Department of Neurology of
University of Florence, on deficits in the perception of both static and moving stimuli in Alzheimer syndrome patients, by means of psychophysical techniques.
Nov 2000 Permanent position as Researcher at Department of Psychology of University of Florence.
1/2008-present. Visiting scholar at the University of Chicago, Senior Fellow of Institute for Mind and Biology , member of “Vision Laboratory”, directed by Prof.
Steve Shevell.
COURSES ATTENDED (in addition to education above)
“Bioelectronics” in Computer Science Faculty - University of Pisa, where I learned basic principles of Robotics and non-procedural languages (during academic
studies, one year).
“Models of Physiological Systems” at Scuola Normale Superiore about linear systems theory and the structure of microprocessors systems (during academic studies,
one year).
Two courses, organized by Scuola Normale Superiore related to image processing (1996):
“ Image recognition and processing and their industrial and medical applications”.
“Medical images: Visualization, processing and Clinical Applications”.
Advanced statistics class for graduate students in physics “Statistical methods for measurements”, at Scuola Normale Superiore (1998, one year).
RESEARCH ACTIVITIES
COMPUTATIONAL MODELS OF VISUAL PERCEPTION
I personally developed a non-linear model, based on visual system mechanisms, which successfully localizes salient features such as edges and bars, in natural and
artificial moving images and derives their velocities [Del Viva & Morrone,1998]. A recent variant of this model can reliably predict perception of transparency in the
human visual system [Del Viva & Morrone, 2006 ]
PSYCHOPHYSICAL MEASUREMENTS OF MOTION PERCEPTION MECHANISMS
Together with neuro-computation, I've been conducting psychophysical studies regarding linear and non-linear neural mechanisms of human visual motion perception.
The results provided evidence for at least two distinct systems for visual motion analysis, possibly related to Magnocellular and Parvocellular anatomical pathways.
This work also showed that non-linear mechanisms underlie perception of motion transparency and that the proposed computational model accurately describes
human performances in most situations. These researches have been published [Del Viva & Morrone , 2006] and/or presented to international conferences (ARVO and
ECVP).
APPLIED RESEARCH ACTIVITY
During 1998 I participated to the finalized European project Eureka for Advanced Frontlighting Systems c/o the FIAT research. The general goal of this project was to
design self-adapting car lights. I designed, set up, and operated a psychophysical setup “on the road” for determination of optimal lighting for different driving
situations. The results of these studies were used for implementation of adaptive front-lights.
EVOLUTION OF PERCEPTUAL ABILITIES DURING DEVELOPMENT AND AGING
-Contour integration: I studied this ability in different age groups. showing that contour integration depends in a different way on orientation of local elements
differently depending on their distance [paper under revision for experimental brain research], suggesting involvement of different brain regions (see also clinical
research). Integration ability increase during childhood [Del Viva et al, 2006] and decline with age [Del Viva & Agostini , 2007] probably due to cortical mechanisms
[Agostini, Sassi & Del Viva, 2007].
-VEP in infants:, I conducted a research on the development of human visual system by means of Visual Evoked Potentials (VEP) from moving stimuli. The
challenge of this work was the unprecedented young age of subjects (from one-week-old). I demonstrated the existence of motion-specific VEP signals in
4-weeks-old infants, showing an earlier development of this system than previously thought [Del Viva , Morrone & Fiorentini, 2001].
CLINICAL RESEARCH
-Alzheimer patients: I studied visual perceptual deficits in alzheimer patients at the Neurology Department of Careggi Hospital (FI). We found a different pattern of
deficits of local-global perception of static and dynamic stimuli depending on the site of the neural damage [Piccini C et al, 2003]. The innovative aspect of this
research was the combination of classical neuropsychological and psychophysical techniques that, being non invasive, allow an early diagnosis of the disease.
-Frontal patients: Demonstrated the involvement of frontal areas in difficult contour integration tasks, previously believed to be exclusively related to occipital areas [
Ciaramelli et al, 2007] .
-Developing patients
In 2001 I started collaborating with a group of researchers at I.R.R.C.S “Stella Maris” (PI), a Scientific institute for neuropsychiatry of infants and children, in
researches on visual perception, by multiple techniques, on patients with a variety of neurological disorders.
VEP recordings with optic-flow stimuli in patients with Down syndrome to investigate the connection with Alzheimer syndrome [Tozzi A et al, 2003].
Visual perception in patients with autistic-spectrum developmental disorders by means of the same psychophysical tests used on normal subjects. Again, this was an
experimental challenge. We demonstrated the absence of deficits in low-level spatial and motion integration visual tasks [Del Viva et al, 2006], thus clarifying
controversial findings in existing literature.
Motion perception in children with periventricular leukomalacia (PVL) by using psychophysical tests, fMRI scans and ocular movement measurements. We found a
significant deficits in these childrens with respect to controls [Guzzetta A et al, 2009], including perception of motion in the direction to opposite the stimulus
[Morrone et al, 2008].
ILLUSIONS.
An important topic of my research concerns some motion illusions (e.g. Glass patterns, reverse-phi motion) produced by static stimuli. Illusions are very important to
understand the functioning of the brain because they often reveal more clearly than natural stimuli the representation of information in the brain and the actual
computation being performed. Using appropriately designed stimuli, I was able to shed some light on this issue [Del Viva & Gori , 2008; Del Viva, Gori & Burr,
2006].
CROSS-MODAL PERCEPTION
The central nervous system needs to integrate multiple sensory information in order to react appropriately to the environment. These considerations motivated me to
study the development of cross-modal, visual-haptic, perception in collaboration with Prof. Sandini (LIRA-lab, Faculty of Engineering, University of Genoa). The
understanding of visual-haptic perception and its development is crucial to implement human-like algorithms in robots that can learn how to manipulate objects. We
found that young children (< 10 years) do not integrate sensory information in optimal statistical way like adults do but they rely on the most reliable modality
depending on the task [Gori et al, 2008], chosen by the Faculty 1000 valutation system.
OPTIMAL PATTERN RECOGNITION STRATEGIES
Since 2006 I've been studying the general problem of pattern recognition in (IPS), topic of this grant request in collaboration with physicists of INFN, Universita' di
Pisa and Fermilab. [Punzi & Del Viva , 2006 ; Del Viva & Punzi ,2008; Del Viva et al, 2010]
During my visit at the Institute for Mind and Biology in the University of Chicago, I developed further this idea in order to understand the specific role of color in the
first stages of visual analysis, in collaboration with Prof. Shevell [Del Viva , Punzi & Shevell, 2009; Punzi, Del Viva, and Shevell , 2010].
During all my research activity I personally developed software for simulation of neural functions, for visual stimuli realizaton, for psychophysical data aquisition and
for statistical analysis of data.
This has been possible for my extensive knowledge of several programming languages (Basic, C, Prolog, Mathematica, MatLab) and operating systems (Unix, DOS,
VAX/VMS, OS, Windows) for which I've acted also as system manager.
In some researches, particularly childre, elderly and patient,s that are less cohoperative, it has been necessary to develop ad hoc statistical procedures for optimized
data aquisition,. These techniques were optimized by using extensive MonteCarlo simulations.
REFEREE FOR JOURNALS
Vision Research,
Journal of Vision,
Journal of Experimental Psychlogy
EURASIP Journal on Applied Signal Processing.
CONFERENCE ORGANIZATION
Local Organizer of the XV European Conference on Visual Perception, Pisa (1992)
FUNDING ID
2006-2008 University of Florence Research Grant. Title: Understanding visuo-haptic perception in humans
2009-2011 University of Florence Research Grant. Title: Meaningful Extraction of Patterns in High-speed Information SysTems Optimization: a novel approach
linking recognition of meaningful patterns in human brain and high-speed electronic systems.
PRIN 2007 (Italian ministry of research): Investigation of the integration mechanisms for visual and multi-modal information. Coordinator Corrado Caudek,
University of Florence.
ERC Ideas Advanced grant number 229445: STANIB. Coordinator David Burr, University of Florence
2011 University of Chicago Grant for support to the research Fast recognition of meaningful patterns in the visual system by using information optimization strategies,
and study their perception by humans, particularly in the color domain.
TEACHING ACTIVITY AND APPOINTMENTS
Teaching contract with University of Florence for the course “Physiological Psychology”, (1998-1999 and 2000-2002) and Faculty of Psychology (2002-today)
Teaching contract with University of Florence for the course “Practicum”, within the Undergraduate program of Experimental Psychology, Faculty of Psychology.
(2006-2009)
Teaching contract with University of Florence for the course “Anatomy and Physiology of the nervous system”, Faculty of Psychology. (2009-2010)
Teaching contract with University of Florence for the course “Experimental Psychology lab.”, within the Undergraduate program of Experimental Psychology,
Faculty of Psychology. (2009-2010)
Lecturer for the course “Sensation and Perception” at University of Chicago, Faculty of Psychology (Winter 2009).
Member of Council of School of Doctorate, Department of Psychology, University of Florence.
Students supervision
In these past years I have been supervisor of about 50 Italian Laurea degrees, two Phd (Roberta Igliozzi and Rachele Agostini), and I'm currently supervising the work
of a graduate student (Daniele Benedetti). Some of my past students have chosen to remain in academic life and continue research career. A few examples are:
ROBERTA IGLIOZZI (PhD Florence 2002-2005): Assistant Researcher I.R.C.C.S. Stella Maris Calambrone, Pi. VALENTINA ARENA (Italian Laurea 2003): PhD
Deafness cognition and language research centre UCL London. SABRINA DANTI (Italian Laurea 2003): PhD Dipartimento di Medicina e Psichiatria Universita' di
Pisa. MONICA GORI (Italian Laurea 2004): Post Doc I.I.T. Genova. OLGA PUCCIONI (Italian Laurea Magistrale 2009) PhD Student S.I.S.S.A. Trieste
ACADEMIC APPOINTMENTS
I've been an active member of the Faculty and Department of Psychology of University of Florence :
1) Vice President of the Undergraduate Program of Experimental Psychology 2) Faculty delegate for “post-lauream practicum” for legal admission to the Psychologist
Professional activity 3) Member of “Giunta” of Faculty 4) Member of “Giunta” of Department 5) Coordinator of Erasmus Project for the Undergraduate Program of
Experimental Psychology 6) Member of the Didactic Council of the Undergraduate Program of Experimental Psychology 7) Member of Faculty Counseling Center 8)
Member of the Didactic Council of the Professional Module of the Undergraduate Program of Experimental Psychology
During my leave I was appointed as visiting scholar. at University of Chicago , and Senior fellow at Institute of Mind and Biology, University of Chicago.
Currently member of the Faculty self-evaluation.
5 - Pubblicazioni scientifiche più significative del Responsabile dell'Unità di Ricerca
1. DEL VIVA M. M., R.Agostini, D. Benedetti, G. Punzi (2010). The limited availability of brain resources determines the structure of early visual processing .
JOURNAL OF VISION, vol. 10; p. 1360-1360, ISSN: 1534-7362
2. G. Punzi, DEL VIVA M. M., S. Shevell (2010). The role of color in the early stages of visual analysis. JOURNAL OF VISION, vol. 10; p. 432-432, ISSN:
1534-7362
3. A.GUZZETTA, F.TINELLI, DEL VIVA M. M., A.BANCALE, R.ARRIGHI, R.R.PASCALE, G.CIONI (2009). Motion perception in preterm children: role of
prematurity and brain damage. NEUROREPORT, vol. 15; p. 1339-1343, ISSN: 0959-4965
4. DEL VIVA M. M., G. Punzi, S. Shevell (2009). Why features defined purely by color need not be represented at early stages of visual analysis . JOURNAL OF
VISION, vol. 9; p. 913-913, ISSN: 1534-7362
5. DEL VIVA M. M., G. Punzi (2008). Finding meaningful patterns in visual images. . JOURNAL OF VISION, vol. 8; p. 341-341, ISSN: 1534-7362
6. DEL VIVA M. M., M.GORI (2008). Anti-glass patterns and real motion perception: same or different mechanisms?. JOURNAL OF VISION, vol. 2; p. 1-15,
ISSN: 1534-7362
7. GORI M, DEL VIVA M. M., SANDINI G, BURR D. (2008). Young children do not integrate visual and haptic form information. CURRENT BIOLOGY, vol.
18; p. 694-698, ISSN: 0960-9822
8. MORRONE MC, GUZZETTA A, TINELLI F, TOSETTI M, DEL VIVA M. M., MONTANARO D, BURR D, CIONI G. (2008). Inversion of perceived
direction of motion caused by spatial undersampling in two children with periventricular leukomalacia. JOURNAL OF COGNITIVE NEUROSCIENCE, vol.
20; p. 1094-1106, ISSN: 0898-929X
9. DEL VIVA M. M., AGOSTINI R (2007). Visual spatial integration in the elderly. INVESTIGATIVE OPHTHALMOLOGY & VISUAL SCIENCE, vol. 48; p.
2940-2946, ISSN: 0146-0404
10. E. CIARAMELLI, F. LEO, DEL VIVA M. M., D. BURR, E. LADAVAS (2007). The contribution of prefrontal cortex to global perception. EXPERIMENTAL
BRAIN RESEARCH, vol. 181; p. 427-434, ISSN: 0014-4819
11. R. Agostini, F. Sassi, DEL VIVA M. M. (2007). Spatial integration of contours: Orientation counts when local elements are close. PERCEPTION, vol. 36; p.
36-36, ISSN: 0301-0066
12. DEL VIVA M. M., C. MORRONE (2006). A FEATURE-TRACKING MODEL SIMULATES THE MOTION DIRECTION BIAS INDUCED BY PHASE
CONGRUENCY. JOURNAL OF VISION, vol. 6; p. 179-195, ISSN: 1534-7362
13. DEL VIVA M. M., IGLIOZZI R, TANCREDI R, BRIZZOLARA D (2006). Spatial and motion integration in children with autism. VISION RESEARCH, vol.
46; p. 1242-1252, ISSN: 0042-6989
14. DEL VIVA M. M., M. GORI M, D.C. BURR (2006). A powerful motion illusion caused by temporal asymmetries in ON and OFF visual pathways. JOURNAL
OF NEUROPHYSIOLOGY, vol. 95; p. 3928-3932, ISSN: 0022-3077
15. G. Punzi, DEL VIVA M. M. (2006). Visual features and information theory . JOURNAL OF VISION, vol. 6; p. 567-567, ISSN: 1534-7362
16. A.Tozzi, DEL VIVA M. M., G. Cioni, D. Burr (2004). Perception of Optic Flow Motion in Down Syndrome Patients. PERCEPTION, vol. 33; p. 130-130,
ISSN: 0301-0066
17. PICCINI C., LAURO GROTTO R., DEL VIVA M. M., BURR D.C. (2003). Agnosia for global patterns: when the cross-talk between grouping and visual
selective attention fails. COGNITIVE NEUROPSYCHOLOGY, vol. 20; p. 3-25, ISSN: 0264-3294
18. DEL VIVA M. M., M.C. Morrone, A.Fiorentini (2001). VEP selective response to flow motion in adults and infants. PERCEPTION, vol. 30; p. 36-36, ISSN:
0301-0066
19. DEL VIVA M. M., MORRONE M.C., BURR D.C. (2001). Meccanismi neurali per la percezione del movimento e movimenti oculari. In: FIORENTINI A.,
MAFFEI L.. Fisiopatologia del sistema visivo. p. 94-99, PISA: Primula, ISBN/ISSN: 88-87344-33-7
20. DEL VIVA M. M., MORRONE M.C. (1998). Motion detection by feature tracking. VISION RESEARCH, vol. 38; p. 3633-3653, ISSN: 0042-6989
6 - Abstract dei compiti svolti dall'Unità di Ricerca
Testo italiano
Il sistema visivo è in grado di estrarre in breve tempo le informazioni rilevanti, a partire da una grossa mole di informazioni in ingresso. Nel fare questo attua una forte
riduzione di dati [1, 2] nei primi stadi dell'analisi, creando un riassunto delle informazioni rilevanti (“primal sketch”), che potrà poi essere utilizzato negli stadi
successivi [3].
Recentemente la nostra UO ha ipotizzato un modello dell'elaborazione svolta dal sistema visivo in questi primi livelli di analisi [4], basato su un meccanismo di
pattern-filtering, in parte ispirato all'estrazione veloce di dati in esperimenti di fisica delle alte energie [5, 6]. Questo modello, ottimizzato per conservare le
caratteristiche più importanti dell'informazione, tenendo conto dei limiti computazionali, riesce a predire a-priori la conformazione dei campi recettivi fisiologici e ad
estrarre le caratteristiche visive salienti che gli osservatori umani utilizzano in compiti di analisi visiva veloce [7]. Questo suggerisce una organizzazione funzionale in
comune con i trigger più avanzati, che svolgono una complessa ricostruzione dell'informazione ai primi livelli, e che sono l'oggetto di questo PRIN.
Un aspetto interessante di questo modello è la sua facilità di implementazione in algoritmi per apprendimento non-supervisionato. I patterns ottimali selezionati
capitano entro un intervallo limitato di probabilità: un sistema che inizialmente è sensibile ad una grande varietà di patterns potrebbe convergere verso un set di
patterns ottimali più limitato, semplicemente scartando quelli che si presentano molto raramente o troppo frequentemente nell'input. Questo processo potrebbe
avvenire anche durante il funzionamento normale, permettendo un continuo aggiornamento e adattamento ai cambiamenti delle condizioni esterne.
In questo progetto il nostro obiettivo è di costruire un sistema di visione artificiale capace di sviluppare un apprendimento non-supervisionato basato sui principi
generali sopra menzionati.
A tal scopo:
1. Amplieremo gli studi precedenti utilizzando immagini più realistiche, contenenti molteplici livelli di luminanza, colore e movimento che contengono una grande
quantità di informazione soggetta ad una forte compressione per le limitazioni computazionali biologiche. Studieremo inoltre l'influenza delle features estratte dal
modello nel riconoscimento di oggetti. Per fare questo avremo bisogno di:
a. estrarre le features salienti secondo il modello in ognuna di queste condizioni, utilizzando immagini e filmati di ambienti naturali. Dato l'alto carico computazionale
di queste simulazioni, implementeremo il nostro software su hardware specifico sviluppato in collaborazione con le UO di Padova e Pisa;
b. misurare con tecniche di psicofisica la visibilità delle features selezionate dal modello comparandole con features selezionate secondo altri criteri, per provare la
correttezza nel riprodurre la prestazione degli osservatori umani.
2. Dato che questo approccio deriva da un generico modello pattern-filtering implementato con successo in nei dispositivi elettronici VLSI (Memorie Associative),
che permettono un pattern-matching parallelo ad alta velocità [8], sarà interessante studiare la fattibilità di un'implementazione hardware del processo di estrazione
delle features visive salienti a partire da sequenze di immagini naturali, basata su questi dispositivi o su GPU. Questo studio sarà svolto in collaborazione con l'UO di
Pisa e Padova.
3. Intendiamo applicare lo stesso algoritmo e il software sviluppati per la visione, nella ricostruzione di cluster nei detector di traccia. Lo scopo è determinare la
fattibilità dell'implementazione di hardware adattivo piuttosto che algoritmico per la ricerca di cluster, che può automaticamente apprendere le features che si
presentano nel detector e seguire la loro variazione nel tempo. Questo sarebbe vantaggioso per i trigger ad alte prestazioni e sarà svolto in collaborazione con l'UO di
Bologna.
Testo inglese
The visual system needs to extract the most important elements of the external world from a large flux of information in a short time for survival purposes. It is widely
believed that in performing this task, it operates a strong data reduction [1, 2] at an early stage, by creating a compact summary of relevant information (“primal
sketch”) that can be handled by further levels of processing [3].
In the past we have formulated a model of early vision [4] based on a pattern-filtering architecture, partly inspired by high-speed digital data reduction in experimental
high-energy physics [5, 6]. We showed that optimizing this model for best information preservation under tight constraints on computational resources, leads to
surprisingly specific a-priori predictions for the shape of physiological receptive fields and for experimental data on fast extraction of salient visual features by human
observers [7], thus strongly suggesting a common organization and functionality with advanced trigger devices that perform a complex reconstruction at a very early
stage, that are the subject of this PRIN.
An attractive aspect of our model of vision is that it allows for easy implementation of algorithms for unsupervised learning. The optimal patterns have probabilities
falling within a limited probability range: a system that is initially sensitive to a wide variety of patterns could converge towards optimality simply by discarding
patterns that occur too rarely, or too frequently, in the input. This process might even happen during normal activity, allowing for continuous updating and adaptation
to changing external conditions.
In this project, we aim to build an artificial vision system, capable of unsupervised learning, based on the above general approach
We will:
1. Extend the previous studies performed with simple static information, to more realistic conditions, implying multiple luminance levels, color, motion and to object
recognition. The assumption is that colored or moving images contain a large amount of information, that must be subjected to strong compression due to many
ecological constraints like limited brain size and computational rate.
a. To do so first we will extract optimal features according to the model in each of these modalities by means of extensive computational simulation on real-world
images and movies. Given the high computational load of these simulations we will implement our software on dedicated hardware in collaboration with Pisa and
Padova RU;
b. Measure with psychophysical techniques the visibility by human observers of the features selected by our model, comparing them with features selected according
to other criteria, to prove the correctness of the simulation in reproducing the performance of human observers.
2. Given that this approach derives from a general pattern-filtering architecture, de facto implemented in VLSI electronic devices (Associative Memories), which
allow for massively parallel pattern-matching at high speed [8], it will be interesting to study the feasibility of an hardware implementation of the process of extraction
of visual salient features from natural sequences of images based on these devices or on GPUs. This study will be performed in collaboration with Pisa and Padova
RU.
.
3. Apply the same algorithms and software developed for vision to the reconstruction of clusters in tracking detectors corresponding to track hits. The goal is to
determine the feasibility of implementing a hardware based cluster-finder, that is adaptive rather than algorithmic, and can easily learn automatically the local features
of detectors and track their variation over time. This would be of advantage in high-performance trigger applications, and will be carried out in collaboration with the
Bologna RU.
7 - Settori di ricerca ERC (European Research Council)
SH Social Sciences and Humanities
SH4 The Human Mind and its complexity: cognition, psychology, linguistics,philosophy and education
SH4_4 Cognitive and experimental psychology: perception, action, and higher cognitive processes
SH4_2 Human life-span development
8 - Collaborazioni con altri organismi di ricerca pubblici e privati, nazionali e internazionali, e
indicazione degli eventuali collegamenti con gli obiettivi di Horizon 2020
Testo italiano
Abbiamo attivato un'importante collaborazione fra il Dipartimento di Psicologia dell'Università di Firenze e l'Institute of Mind and Brain (IMB) dell'Università di
Chicago, finalizzata allo studio del ruolo del colore nelle fasi iniziali dell'elaborazione visiva. La collaborazione, iniziata agli inizi del 2008, è stabile e produttiva, ha
già prodotto uno studio computazionale presentato ai congressi della Visual Science Society (VSS 2009, VSS 2010) e al congresso della International Color Vision
Society (ICVS 2009) [28]. Nell'ambito di questa collaborazione sono stati effettuati scambi di personale fra le due Università: l'Università di Firenze ha invitato il
Prof. Shevell come visiting professor di “Chiara Fama” nell'Autunno 2010 e l'Università di Chicago ha nominato la dott.ssa Del Viva senior fellow al IMB nel periodo
2008-2011, durante il quale la dott.ssa ha trascorso lunghi periodi presso l'Università di Chicago. Sono stati effettuati anche scambi di laureandi e laureati.
Il gruppo di ricerca sulla visione del colore del IMB è da decenni uno dei gruppi leader nel campo di studio sulla percezione visiva del colore. Il gruppo comprende
scienziati di elevatissimo livello come il Prof. Joel Pokorny, la Prof. Vivienne Smith e il Prof. Steve Shevell. Il Professor Shevell da oltre 35 anni conduce attività di
ricerca nell'ambito della visione e in particolare nel settore della visione del colore, facendo ricerca di alto livello, formando continuamente nuovi ricercatori ed
essendo un punto di riferimento per la coumnita scientifica.
Nel suo lavoro sperimentale, il Professore integra approcci teorici e sperimentali nello studio delle influenze dei meccanismi precoci del contesto sulla percezione del
colore.
Egli ha congegnato la tecnica originale del “hue cancellation” per studiare l'influenza dei processi di adattamento, delle variabili spazio-temporali, della memoria e
della integrazione binoculare sulla percezione del colore. Il Prof. Shevall è Eliakim Hastings Moore Distinguished Service Professor nel Department of Psychology
(University of Chicago), Professore nella sezione di Ophthalmology and Visual Science, del Department of Surgery, e membro della commissione di Computational
Neuroscience. Nel 2011 è stato insignito dal ICVS del riconoscimento più prestigioso: la Verriest Medal. E' stato Presidente della Vision Science Society nel 2009.
Il gruppo di Visione del Dipartimento di Psicologia di Firenze conduce ricerca ad altissimo livello sulla percezione negli esseri umani, e in particolare sui meccanismi
coinvolti nell' analisi e nella percezione visiva. Il gruppo lavora secondo un approccio multidisciplinare e fa uso di numerose tecniche, di psicofisica,
elettrofisiologiche (potenziali evocati visivi, PEV), risonanza magnetica funzionale e modellizzazione delle funzioni visive. La ricerca condotta dall'equipe di Firenze
riguarda un ampio spettro di fenomeni percettivi: percezione del movimento, attenzione visiva, integrazione dei contorni, sviluppo invecchiamento e deficit della
percezione visiva, applicazione delle scienze della visione allo sport, integrazione multimodale, identificazione visiva di oggetti, studio dei meccanismi responsabili
della costruzione di una mappa visiva stabile del mondo esterno dati i movimenti oculari, percezione dei numeri e percezione del tempo.
Il gruppo di ricerca partecipa al progetto europeo 'S.T.A.N.I.B.' (Space, Time and Numbers in the Brain), coordinato dal Professor DC Burr, che indaga con un
approccio innovativo la percezione dello spazio e del tempo, considerandole insieme, anziché come due dimensioni indipendenti. In aggiunta, in collaborazione con
l'Università di Chicago, il gruppo di ricerca di Firenze collabora con l'IRCCS Stella Maris, con l'Istituto Italiano di Tecnologia (IIT) e con l'Università di Pisa, come
documentato dalla produzione scientifica del coordinatore locale di questo progetto. Da notare che le linee di ricerca di questa unità sono perfettamente in linea con le
indicazioni del programma Horizon2020 che mira a promuovere la comprensione dei meccanismi fondamentali alla base delle
disabilità, dello sviluppo e dell'invecchiamento dell'individuo, nonchè allo studio della percezione e dei meccanismi dell'apprendimento.
La collaborazione fra l'Università di Firenze e l'Università di Chicago risulta quindi essere molto promettente per raggiungere una piena comprensione dei meccanismi
di analisi visiva, che richiedono un esame del ruolo del colore. Questo aspetto è particolarmente rilevante alla luce del nuovo approccio proposto per lo studio del
pattern recognition nei sistemi di elaborazione dell'informazione naturali e artificiali, e che è stato sviluppato a partire da una recente collaborazione fra il
Dipartimento di Psicologia dell'Università di Firenze e ricercatori del Dipartimento di Fisica dell'Università di Pisa e dell'Istituto Nazionale di Fisica Nucleare (INFN).
La necessità di estrarre una piccola quantità di informazione “rilevante” da un ampio flusso di informazione non è solo propria della visione [Smith E. C. & Lewicki
M. S. Efficient auditory coding. Nature 439, 978-982 (2006)]. Si tratta piuttosto di un problema generale della percezione, sebbene quello della visione sia l'ambito in
cui questa necessità è particolarmente rilevante. In realtà, questo problema non è limitato solo agli organismi viventi, visto che anche numerosi sistemi artificiali di
elaborazione dell'informazione in tempo reale si trovano ad affrontare un problema simile. Ad esempio, nella fisica sperimentale delle particelle (HEP), dove gli
esperimenti richiedono la raccolta dati da grandi rilevatori di particelle, dell'ordine di 106 words ad una frequenza dell'ordine di parecchi MHz, per tempi prolungati
(anni). I costi e le considerazioni di ordine pratico limitano il flusso di dati che può essere immagazzinato per successive analisi a frequenze dell'ordine kHz, e come
conseguenza, la modalità tipica in cui operano questi esperimenti si basa su una selezione in tempo reale di una frazione molto piccola di dati, che sono ritenuti
“interessanti” e salvati per analisi successive [5]. In particolare, il problema comune in HEP di riconoscere le traiettorie delle particelle che attraversano i rilevatori,
affrontato in molte parti di questo PRIN, è simile al problema affrontato dal sistema visivo di estrarre elementi significativi dal mondo esterno, partendo da una mappa
di luminanza sulla retina. In passato abbiamo mostrato che lo stesso tipo di architetture concettuali, utilizzato in altre parti del PRIN per scopi attinenti alla fisica
sperimenatle , se ottimizzato e applicato al pattern recognition a livello delle fasi precoci della visione, è in grado di produrre risultati molto interessanti e fornire
nuovi spunti per lo studio della visione (vedi stato dell'arte). L'ottimizzazione dell'uso delle risorse computazionali neurali deve aver giocato un ruolo importante nella
selezione naturale [Niven, J. E. & Laughlin, S. B. Energy limitation as a selective pressure on the evolution of sensory systems J. Exp. Biol. 211, 1792-1804 (2008)], e
non sarebbe sorprendente se tali principi operassero anche in altri processi percettivi. Se così fosse, si potrebbe anche pensare l'idea generale di una architettura di
filtraggio dei pattern abbia avuto successo nelle applicazioni HEP a causa della pressione esercitata dal dover ridurre una ampia quantità di dati ad alte velocità, a costi
ragionevoli, e questo rappresenterebbe un esempio di evoluzione convergente dei sistemi naturali e artificiali.
Questi studi mostrano chiaramente che ci sono dei concetti base che sottostanno a fenomeni apparentemente non relati fra loro, e che riguardano campi molto diversi,
che possono essere scoperti solo grazie alla collaborazione di ricercatori dei due settori, esperti rispettivamente nel campo delle neuroscienze e della fisica
sperimentale.
Tali collaborazioni possono essere fruttuose anche per le ricerche discusse in questo PRIN. Infatti, l'esperienza dei ricercatori di fisica sperimentale nel mettere a
punto dispositivi elettronici di acquisizione dati ad alta velocità, può permettere, ad esempio, la costruzione di un dispositivo capace di eseguire l'analisi visiva
descritta nel modello di visione presentato in questo progetto, ovvero un dispositivo che legge come input immagini in movimento o statiche e che fornisce come
output le loro rappresentazioni compresse. Questo tipo di dispositivo è potenzialmente molto importante in numerosi campi.
Per esempio, i sistemi di elaborazione delle immagini mediche 3D richiedono molte risorse, sia in termini di memoria (~250 MB) che di capacità computazionali. Il
principale “collo di bottiglia” in questo caso è costituito dall'intervento umano, che è necessario per l'identificazione delle caratteristiche “salienti”.
I radiologi, che hanno acquisito un'ampia esperienza con immagini di questo tipo, sono in grado di riconoscere e distinguere pattern sottili di lesioni o tumori in
immagini che non mostrano niente di rilevante ad un occhio inesperto [e.g. Snowden, P. T., Davies, I. R. L. & Roling, P. Perceptual learning of the detection of
features in X-ray images: a functional role for improvements in adults' visual sensitivity? J. Exp. Psychol. Hum. 26, 379-390 (2000)].
La validazione di questo approccio e la sua implementazione in dispositivi elettronici ad alta velocità, come quelli usati nelle RU di Pisa e Padova, potrebbe
permettere nel futuro prossimo applicazioni automatizzate e veloci nel settore della diagnosi medica attraverso immagini. Questo a sua volta potrebbe avere un
notevole impatto sulle procedure delle sanità pubblica, visto l'alto volume di dati raccolti e la scarsa disponibilità di specialisti.
Un'altra possibile e interessante applicazione potrebbe riguardare la classificazione delle immagini raccolte dai satelliti, che attualmente viene effettuata manualmente
e quindi limitata dalla disponibilità del personale.
Infatti, anche questo è un campo in cui la classificazione in tempi rapidi di un'ampia quantità di dati è un fattore critico, per cui sono stati sviluppati algoritmi “ad hoc”
per aiutare la rilevazione effettuata dagli operatori [e.g. Kubat, M., Holte, R. C. & Matwin, S. Machine learning for the detection of oil spills in satellite radar images.
Mach. Learn. 30, 195-215 (1998)], in cui è necessaria molta esperienza e un training adeguato da parte degli osservatori umani per essere in grado di riconoscere
specifiche caratteristiche.
La disponibilità di un sistema generale, rapido, affidabile e automatizzato potrebbe by-passare la necessità dell'intervento umano.
L'esperienza e le conoscenze dei ricercatori nel campo della fisica sperimentale, continuamente sollecitati dalle sfide poste dall'implementazione di hardware e da
acquisizione dati in condizioni spinte di tempistiche e volume dati, può fornire un contributo fondamentale anche alla comprensione di altri aspetti dell'elaborazione
visiva e più in generale del processing percettivo ancora poco chiari e che potrebbero essere legati a necessità di organizzazione interna del computing.
Per esempio, nell'ambito della percezione visiva, è stata evidenziata una inversione nella percezione del tempo durante le saccadi, che non è ancora stata pienamente
spiegata [Morrone M.C., Ross J. & Burr D.C. Saccadic eye movements cause compression of time as well as space.Nature Neuroscience 8, 950 - 954 (2005)]. E'
interessante notare che gli scienziati delle particelle devono spesso riorganizzare il flusso dei dati per soddisfare vincoli computazionali. Questo esempio suggerisce
che è possibile ottenere una più profonda comprensione della struttura dell'analisi visiva esplorando ulteriormente questo tipo di analogie.
E' noto che l'efficienza dell'analisi visiva e più in generale della computazione neurale è fondamentale per la sopravvivenza della specie , e che miliardi di anni di
pressione evolutiva hanno molto probabilmente permesso la selezione di strategie ottimali. Sarà quindi molto interessante invertire la direzione intrapresa nel progetto
fino a questo punto (vedi stato dell'arte) operando un trasferimento di conoscenze dale Neuroscienze alla fisica sperimentale delle particelle, mediante l'applicazione di
questi algoritmi ottimizzati ad alcuni problemi computazionali presenti nella realizzazione di triggers, oggetto di questo PRIN. Un esempio è dato dalle applicazioni
degli algoritmi e del software usato nella visione alla ricostruzione adattiva di clusters nei detectors, corrispondenti a hit di tracce, cosicchè sia possibile rilevare
automaticamente le features locali adattandosi ai cambiamenti che si verificano nel detector nel tempo.
Questa trasmissione di conoscenze, da HEP alla Visione e di nuovo indietro all'HEP rappresenta una opportunità unica, che può essere realizzata solo all'interno di
questo particolare progetto, grazie alla comprovata collaborazione tra partecipanti con diversa esperienza e conoscenza.
Le scoperte che hanno un alto potenziale di trasformazione si basano sempre più su una forte collaborazione multidisciplinare fra scienza e tecnologia.
Per realizzare queste scoperte, non sono richieste solo eccellenze scientifiche o tecnologiche ma anche nuove prospettive, atteggiamenti e interazioni all'interno di un
ampio spetttro di settori di ricerca. Questo progetto offre opportunità a giovani scienziati di acquisire competenze in diversi settori, cosa che può avere un grande
impatto nel futuro.
Queste nuove prospettive sono fondamentali per l'avanzamento della conoscenza nelle singole discipline, poiché rendono possibile risolvere i problemi, affrontandoli
da punti di vista diversi e nuovi, mentre le singole discipline, quando sono chiuse in loro stesse, spesso tendono a focalizzare la ricerca sugli stessi problemi, a usare
gli stessi approcci per risolverli e a osservarli da un unico punto di vista.
Testo inglese
We have established a strong collaboration between the department of Psychology of the University of Florence and the Institute of Mind and Brain (IMB) at
University of Chicago, focused on studying the role of color in early visual perception. This is a stable and fruitful collaboration, which started at the beginning of
2008 and produced a simulation study presented at the conferences of the Visual Sience Society (VSS 2009, VSS 2010) and at the conference of International Color
Vision Society (ICVS 2009) [28]. This collaboration has been carried out also by personnel exchanges between the two Universities: the University of Florence has
invited Prof. Shevell as a “Chiara fama” visiting professor during Autumn 2010, and the University of Chicago has appointed Dott. Del Viva as Senior Fellow of the
IMB from the period 2008-2011, during which she spent long periods at University of Chicago. Graduate and undergraduate student exchanges have also occurred.
The color vision group of the IMB at the University of Chicago has been for decades one of the leading team in the study of color vision perception. The group
includes outstanding scientists like Prof. Joel Pokorny, Prof. Vivienne Smith and Prof. Steve Shevell. Professor Shevell has contributed to the study of vision for over
35 years, and particularly the color vision community, breaking new ground in research, training new researchers and providing service to the community. In his
experimental work, he integrated theoretical and experimental approaches in studies of how early mechanisms and context influence color perception. He has artfully
exploited the technique of hue cancellation to study adaptive processes, spatio-temporal constraints, memory and binocular integration in color perception. Professor
Shevell is the Eliakim Hastings Moore Distinguished Service Professor in the Department of Psychology at The University of Chicago, Professor in the Section of
Ophthalmology and Visual Science, Department of Surgery, and in the Committee on Computational Neuroscience. In 2011 he was awarded by the ICVS of its most
prestigious award: the Verriest Medal. He has been president of the Vision Science Society in 2009.
The vision group at University of Florence, is on the other hand involved in top-notch research in human perception, particularly in human mechanisms for visual
analysis and perception. The group cultivates a multidisciplinary approach, and makes use of several techniques such as psychophysics, electrophysiology (Visual
Evoked Potentials-VEP), functional neuro-imaging and modelling of visual functions. The research done by the Florence group spans a huge range of perceptual
phenomena: motion perception, visual attention, contour integration, development, aging and deficits of visual function, application of visual sciences to sports,
multisensory integration, object identification, the study of mechanisms responsible for building a stable visual map of the external world given eye movements,
perception of numbers and perception of time. The group participates to the European project known as 'S.T.A.N.I.B.' (Space, Time and Numbers in the Brain),
directed by Professor DC Burr, which investigates in a decisively innovative way our way of perceiving space and time, considering them together rather that as two
independent dimensions. In addition to the collaboration with University of Chicago, the Florence group collaborates with the IRCCS Stella Maris, Italian Institute of
Technology (IIT) and University of Pisa, documented by the scientific production of the local coordinator of this project. Note that the research conducted by this unit
is in perfect agreement with the indications of the Horizon2020 program. In fact the program promotes the understanding of fundamental mechanisms underlyng
disabilities, development and aging of human beings, and the study of perception and learning mechanisms.
The collaboration between University of Florence and the University of Chicago is therefore very promising for reaching a full understanding of early visual analysis
that requires consideration of the role of color. This is particularly relevant in the light of the new perspective allowed by the recent collaboration between the
Department of Psychology of the University of Florence and researchers of Department of Physics of University of Pisa and National Institute of Nuclear Physics
(INFN) for the study the general problem of pattern recognition in generic Information Processing Systems. In fact the need to extract a small amount of “relevant”
information from a large input flux of information is not unique to vision [Smith E. C. & Lewicki M. S. Efficient auditory coding. Nature 439, 978-982 (2006)]. To
some extent, it is a general problem of perception, although vision may be the field in which it is particularly severe. It is not even limited to living organisms, as
many artificial real-time information-processing systems face a similar problem. For example in experimental particle physics (HEP), where experiments require the
collection of data output from large particle detectors, exceeding O(106) data words at repetition rates of several MHz, for extended periods of time (years). Cost and
practical considerations limit the flux of data that can be stored for later analysis to O(kHz), and as a consequence, the typical operating mode of these experiments is
based on a real-time selection of a very small fraction of data that are deemed “interesting” and saved for later analysis[5]. In particular, the common HEP problem of
recognizing the trajectories of particles crossing the detector that is discussed in many other parts of this PRIN, is similar to the problem faced by the visual system in
extracting meaningful elements of the external word, starting from a luminance map on the retina. We have shown in the past that the same kind of conceptual
architectures utilized in other parts of this PRIN for experimental HEP purposes, when optimized and applied to pattern recognition in early vision, leads to very
interesting results and insights on the vision process (see state of the art).
Optimization of the use of neural computational resources must have played an important role in natural selection [Niven, J. E. & Laughlin, S. B. Energy limitation as
a selective pressure on the evolution of sensory systems J. Exp. Biol. 211, 1792-1804 (2008)], and it would not be surprising if such principles were at work also in
other perceptual processes. One may argue that the general idea of a pattern-filtering architecture has attained success in HEP applications due to the pressure of the
need for high-speed large-scale data reduction at reasonable costs, forming an example of convergent evolution of natural and artificial systems.
These studies shows that there are basic core concepts underlying apparently unrelated phenomena in such different fields, whose discovery was made possible only
by the collaboration of researchers from the two fields, bringing together their different expertise in neuroscience and experimental physics. This example suggests
that such collaborations could be fruitful in the researches discussed in this PRIN. The expertise of researchers of the experimental physic field in fast electronic
data-acquisition devices can allows, for example, the construction of devices able to perform the visual analysis described by the model of early vision presented in
this project. That is, a device that reads in its input moving or static images and provides as an output their compressed representations.
This kind of device is potentially very important in several fields.
For example, currently medical image processing is strongly demanding for both memory (~250 MB) and computational capabilities to allow 3D processing in
affordable time. But the tighter “bottleneck” of fast medical image processing is given by the necessity to employ humans for the identification of “salient” features.
Radiologists, after extensive experience in seeing many of such images, develop refined abilities to distinguish subtle patterns of lesions or tumors in images that
show no pattern to the untrained eye [e.g. Snowden, P. T., Davies, I. R. L. & Roling, P. Perceptual learning of the detection of features in X-ray images: a functional
role for improvements in adults' visual sensitivity? J. Exp. Psychol. Hum. 26, 379-390 (2000)]. The validation of the algorithm and its implementation in fast
electronic devices such as those used by Pisa and Padova RU, could allow in a near future fast and automated applications in the realm of medical diagnoses by
imaging. This in turn could have a high impact in public health procedures given the high volume of collected data and the under-dimensioned availability of
specialists.
Another possible and interesting application could be the classification of images from satellites, which are currently mostly manual, therefore limited by the
availability of personnel. In fact, also in this field, where fast classification of a large amount of data is a critical issue and many “ad hoc” algorithms have been
developed to aid human detection [e.g. Kubat, M., Holte, R. C. & Matwin, S. Machine learning for the detection of oil spills in satellite radar images. Mach. Learn. 30,
195-215 (1998)], the same kind of experience and training is needed for human observers in recognition of specific features. The availability of a general fast, reliable
and automated system could bypass the necessity to make use of a large amount of human aid.
The expertise of researchers in the experimental physic field, continuously challenged by the hardware implementation of data acquisition and manipulation strategies,
pushed to the extreme by temporal and data volume necessities, can provide useful insights in the understanding of other aspects of visual processing, and more in
general of perceptual processing that are still unresolved and could be due to needs of internal organization of computing, daily faced in HEP applications. For
example, in visual perception we observe an inversion of time perception during saccades, not yet fully explained [Morrone M.C., Ross J. & Burr D.C. Saccadic eye
movements cause compression of time as well as space.Nature Neuroscience 8, 950 - 954 (2005)]. It is interesting to note that HEP scientists often have to reorganize
the flux of data in order to satisfy computational constraints . This example is suggestive of possible insights in the structure of the vision processing that could be
obtained by exploring these analogies further.
It is a commonly accepted concept that the efficiency in performing visual analysis and more in general neural computation is crucial for the survival of the organism,
and that billions of years of evolution of the visual system under severe evolutionary pressure are likely to have selected the best possible approach to the problem. It
will be of great interest therefore to reverse the direction followed so far (see state of the art) by transferring knowledge from Neuroscience to HEP , by applying
these optimized algorithm to some computational aspects involved in the realization of specialized trigger processors, object of our attention.
An example is given by the application of algorithms and software developed for vision to the adaptive reconstruction of clusters, corresponding to track hits, in
tracking detectors, that can easily learn automatically the local features of detectors and track their variations over time.
This return of knowledge from HEP to Vision back to Hep represents a unique opportunity, currently realizable only within this particular project, thanks to a proven
effective and close collaboration between participants of very different expertise.
Discoveries with high potential for transformation rely more and more upon a strong multidisciplinary collaboration between science and technology. To realize these
discoveries not only scientific or technological excellence, but also new perspectives, attitudes and interactions within a wide range of research fields are required.
This project also offer opportunities for younger scientist to acquire competencies across fields, that can have a large impact in the future.
These new perspectives are fundamental for the advancement of knowledge in individual disciplines, since they allow to solve problems, by attacking them from
completely different and new points of view. While the same disciplines, if closed in themselves, often tend to focalize the research on the same problems, to use the
same approaches to solve them and to observe them from the same point of view.
Allegato 1 Letter of intents between Institute for Mind and Brain-The University of Chicago & department of Psychology-University of Florence
9 - Parole chiave
Testo italiano
PERCEZIONE VISIVA
MODELLI COMPUTAZIONALI DELLA PERCEZIONE
Testo inglese
VISUAL PERCEPTION
COMPUTATIONAL MODELS OF PERCEPTION
10 - Stato dell'arte
Testo italiano
Il sistema visivo deve essere in grado di estrarre in breve tempo le informazioni rilevanti, a partire da una grossa mole di informazioni in ingresso, per la
sopravvivenza dell'individuo. Infatti una detezione rapida ed affidabile degli stimoli visivi è essenziale per iniziare le risposte automatiche agli stimoli emotigeni, per
innescare i comportamenti di adattamento e per orientarsi verso potenziali stimoli interessanti o pericolosi [9]. L'analisi degli stimoli visivi è molto veloce e per stimoli
come facce o animali può essere inferiore ai 100 ms [10], riducendosi a 30 ms quando l'immagine ha un contenuto emozionale [11].
A causa di limitazioni nell'elaborazione dell'enorme flusso di dati in input, nello svolgere questi compiti il sistema visivo nei primi livelli deve operare una forte
riduzione dei dati [1, 2], creando una sintesi dell'informazione rilevante chiamata “primal sketch”, che può essere utilizzata dal sistema visivo nei livelli superiori di
analisi [3]. Infatti, i limiti nella nostra capacità di elaborare l'informazione visiva sono imposti dai costi dell'attività neuronale coinvolta nella computazione corticale
[12] che dipendono fortemente dalla frequenza di scarica dei neuroni [13]. Basandosi sul numero di neuroni e sulla loro capacità di trasmissione, Echeverry [14] ha
stimato la capacità di trasmissione dei fotorecettori (9.2X10^7 bastoncelli e 4.6X10^6 coni) intorno a 20 Gb/s per ogni occhio, ridotta a 4 Gb/s al livello delle fibre del
nervo ottico (approssimativamente 10^6 per ogni occhio), con un rapporto neurale vicino a 124:1.
Questi dati evidenziano l'esistenza di un ‘collo di bottiglia' fisiologico[15] che comporta una grande compressione dell'informazione nelle fasi iniziali dell'analisi
visiva. Misure di psicofisica stimano che il 46%÷74% dell'informazione nelle immagini naturali è ridondante [16]. Questo ha portato diversi autori ad ipotizzare che il
sistema visivo svolga una codifica efficiente del segnale in input [17], diretta cioè alla riduzione della ridondanza [1, 2]. Tutti gli approcci basati sulla codifica
efficiente comunque, mirano a preservare la maggior parte dell'informazione e non portano ad una grande riduzione dei dati con l'estrazione di poche caratteristiche
salienti. Al contrario, modelli che estraggono con successo le features salienti si basano su una conoscenza a-posteriori di specifici dettagli fisiologici e non tengono
conto dell'efficienza della compressione [18, 19].
Recentemente abbiamo proposto un nuovo approccio allo studio dei meccanismi visivi iniziali. Abbiamo formulato un modello della visione basato su un'architettura
di pattern-filtering, in parte ispirato all'estrazione veloce di dati in esperimenti di fisica delle alte energie [5, 6].
Il modello è basato sui seguenti assunti generali:
-all'inizio del processo avviene una forte riduzione dell'informazione.
-il sistema visivo può riconoscere nell'input solo un numero finito di patterns pre-determinati (visual features).
-la riduzione dei dati è ottenuta tramite l'esclusiva selezione dei dati in input che corrispondono al set di patterns di riferimento.
La funzionalità di questo sistema di filtraggio di patterns è completamente definita dal set di patterns di riferimento. Il numero di possibili scelte a-priori di set di
patterns visivi è molto grande. Abbiamo mostrato che la soluzione più efficiente a questo problema è la selezione di quelle features (patterns) che trasmettono il
massimo valore di informazione ai successivi stadi di elaborazione. Il set di patterns ottimale è quello che produce il più alto livello di entropia permesso dalle
limitazioni del sistema, date da un numero massimo di configurazioni distinte di patterns N e dal flusso di informazioni in uscita dal sistema, dovuto a limitazioni di
banda passante.
Questo implica trovare per ogni patterns, il massimo vincolato della funzione,
Dove p è la probabilità di occorrenza associata ad ogni specifico patterns, 1/N è il “costo di immagazzinamento” e pi/W è il “costo di banda passante”, dove W è il
massimo valore di accettazione di patterns.
La funzione f(p) ha un massimo piuttosto netto (una cuspide, fig. 1B). Come conseguenza, il set di patterns ottimale sarà concentrato in un limitato intervallo di valori
di p intorno al massimo di f(p), che avviene a p=W/N; esso perciò dipende da entrambi i valori di massimo numero di patterns e banda passante massima. Quindi la
“miglior sintesi” dei dati dipende dalle limitazioni computazionali del sistema che li analizza.
Questo modello generale, applicato ad un database di immagini naturali, digitalizzate in bianco e nero (vedere per esempio fig. 1 A), seleziona quelle features (bordi e
linee) che hanno la stessa struttura spaziale dei filtri visivi iniziali (fig. 1 C) [20], fornendo una sorprendente predizione a-priori della forma dei campi recettivi
fisiologici [21]. Misurando la sensibilità al contrasto di un vasto numero di questi patterns, con frequenze diverse si trova che essa è massima in corrispondenza dei
patterns selezionati dal modello [4], dimostrando che il sistema visivo umano assegna effettivamente a questi patterns un ruolo di rilievo nel processo di ricostruzione
dell'immagine.
Gli sketches ottenuti dall'esclusiva selezione di quei patch dell'immagine originale che corrispondono al set di patterns ottimale selezionato dal modello, appaiono
contenere le caratteristiche salienti originali (fig. 1 D), a dispetto di una sostanziale riduzione dell'informazione (intorno al 98% [7]). L'efficacia di questi sketches nel
consentire a soggetti umani di identificare immagini naturali in condizioni di presentazione veloce (10-20 ms), è stata misurata in una procedura di discriminazione
2AFC (fig. 2). Tutti i soggetti erano in grado di identificare con estrema accuratezza (superiore al 90%) le immagini originali (target) da cui gli sketches erano estratti.
Al contrario, gli sketches costruiti utilizzando un set di patterns non-ottimale, fornivano una prestazione molto peggiore, anche quando essi contenevano lo stesso
quantitativo di informazione degli sketches “ottimali”. In generale tutte le features selezionate seguendo il nostro modello contengono la maggior parte o tutta
l'informazione che il sistema visiva utilizza nelle condizioni di analisi veloce di immagini [7].
Un aspetto molto interessante del nostro modello è che permette di sviluppare facilmente algoritmi per l'apprendimento non-supervisionato. I patterns ottimali hanno
un'alta probabilità di capitare in un intervallo limitato di probabilità intermedie, quindi, un sistema che inizialmente è sensibile ad una grande varietà di patterns
potrebbe convergere verso i patterns ottimali semplicemente scartando i patterns troppo rari, o troppo frequenti. Questo processo potrebbe ancora avere luogo durante
l'attività normale del sistema, consentendo un continuo aggiornamento e adattamento ai cambiamenti delle condizioni esterne. Questa caratteristica potrebbe spiegare
come il sistema visivo avrebbe sviluppato l'uso di un set di patterns ottimale, l'alto grado di plasticità nel sistema visivo adulto e, infine, la sua adattabilità ai
cambiamenti ambientali.
Testo inglese
The visual system needs to extract the most important elements of the external world from a large flux of information in a short time, for survival purposes. In fact,
rapid and reliable detection of visual stimuli is essential for triggering autonomic responses to emotive stimuli, for initiating adaptive behaviours and for orienting
towards potentially interesting/ dangerous stimuli [9]. The speed of visual processing can be as low as 100 ms for animals and face processing [10], reduced to 30 ms
when images present affective contents [11].
Due to limitations in processing this huge amount of data, in performing this task, the visual system must operate a strong data reduction [1, 2] at an early stage, by
creating a compact summary of relevant information, the so called “primal sketch” , that can be handled by further levels of processing [3]. In fact, the limits on our
capacity to process visual information are imposed by intrinsic costs of neuronal activity involved in cortical computation [12], that largely depends on the rate at
which neurons produce spikes [13]. Based on the number of neurons and their capacity of transmission, Echeverry [14] estimated the capacity of transmission of
photoreceptors (9.2X10^7 rods and 4.6X10^6 cones) around 20 Gb/s for each eye, reduced to 4 Gb/s at the level of optic nerve fibers (approximately 10^6 for each
eye), with a neural ratio of nearly 124:1.
These data highlight the existence of information bottlenecks [15], with a large compression of information right at the beginning of visual data analysis.
Psychophysical measurements estimate that 46%÷74% of the information in natural scenes is redundant [16]. This lead some authors to hypothesize that the visual
system operates an efficient coding of input signals [17], aimed at reducing redundancy [1, 2]. All these efficient coding approaches, however, aim at preserving most
of the available information, and do not lead to a strong data reduction with extraction of few salient features. Conversely, successful existing models for the
extraction of salient features rely more on the a-posteriori knowledge of specific physiological details than on information compression efficiency (e.g. [18, 19]).
We recently proposed a novel approach to the investigation of the mechanisms of the initial stage of visual processing. We formulated a model of early vision based
on a pattern-filtering architecture, partly inspired by high-speed digital data reduction in experimental high-energy physics [5, 6].
The model is based on the following general assumptions.
-a strong reduction of the amount of information occurs in the process.
-there is a finite number of pre-determined patterns (visual features) that the system can recognize in the input.
-data reduction is achieved by selecting only those pieces of input data matching this reference set of patterns.
The functionality this abstract pattern-filtering system is completely defined by its reference set of patterns. The number of possible a-priori choices for the set of
visual patterns is very large. We found that the most efficient solution to this problem is selecting those features (patterns) that transmit the maximum amount of
information to the following processing stages. The optimal set of patterns is the one producing the largest amount of entropy allowed by the given limitations of the
system, given by the maximum number N of distinct recognizable patterns and the output flux of the system, due to bandwidth limitations.
This implies finding, for each pattern, the constrained maximum of the function,
where p is the probability associated to each specific pattern, 1/N is the “storage cost” and pi/W is the “bandwidth cost”, where W is the maximum allowed total rate
of pattern acceptance.
The function f(p) has a rather sharp maximum (a cusp, see fig. 1B). As a consequence, the optimal set of patterns will be concentrated in a limited range of values of p
around the maximum of f(p), which occurs at p = W / N; it will therefore depend on both available storage size and bandwidth. Therefore the “best summary” of a
piece of data is dependent on the computational limitations of the system that analyzes it.
This general model, applied to a database of natural images, digitized to black and white (see for example fig 1 A), selects those features (edges, lines) that have the
same spatial structure of early visual filters (fig 1C) [20], leading to surprisingly specific a-priori predictions for the shape of physiological receptive fields [21].
Contrast sensitivities measured for a wide selection of these patterns, scanning the entire probability range found in natural images, yielded maximal values for the
patterns selected by the model [4], demonstrating that the human visual system actually assigns to these patterns a privileged role in its image-reconstruction process.
The sketches obtained, by selecting only those patches of the original image matching the optimal pattern set selected by the model, and dropping all other parts,
appear to retain the salient features of originals (fig. 1 D), in spite of a substantial reduction of information (around 98%, [7]). The effectiveness of these sketches in
allowing human observers to identify natural images under fast viewing conditions (10-20 ms.) was measured in a 2AFC discrimination procedure (Fig 2). All
subjects were able to identify the original images (target) from which these sketches were extracted with extremely high accuracy (up to 90%). In contrast, sketches
built based on alternative, non-optimal pattern sets yielded a much worse image discrimination, even when constructed to contain the same amount of information of
our “optimal” sketches. Overall features selected according to our model carry most, or all of the information that the visual system uses under fast viewing conditions
[7].
One attractive aspect of our model is that it allows for easy algorithms for unsupervised learning. The optimal patterns have probabilities falling within a limited range
of intermediate probability, therefore a system that is initially sensitive to a wide variety of patterns could converge towards optimality simply by discarding patterns
that occur too rarely, or too frequently, in the input. This process might even happen during normal activity, allowing for continuous updating and adaptation to
changing external conditions. This characteristic could explain how the visual system could have developed to use the optimal pattern set, and the large level of
plasticity in the adult visual system and its adaptation to a changing environment.
11 - Riferimenti bibliografici
1. F. Attneave, Some informational aspects of visual perception. Psychol. Rev. 61, 183-193 (1954).
2. H. B. Barlow, in Sensory Communication (M.I.T. Press, 1961), pp. 217-234. [ed. Rosenblith, W. A.]
3. D. Marr, Vision. (ed. Freeman, W. H., New York 1982).
4. M. M. Del Viva and G. Punzi, Finding meaningful patterns in visual images. J. Vision 8(6), 341 (2008).
5. L. Ristori, and G. Punzi, Triggering on heavy flavors at hadron colliders. Annu. Rev. Nucl. Part. S., 60, 595-614 (2010).
6. M. Dell'Orso, and L. Ristori, VLSI structures for track finding. Nucl. Instrum. Meth. A 278, 436-440 (1989).
7. M. M. Del Viva, R. Agostini, D. Benedetti and G. Punzi, The limited availability of brain resources determines the structures of early visual processing. J. Vision
10(7), 1360 (2010).
8. A. Annovi, et al., The fast tracker processor for hadron collider triggers. IEEE T. Nucl. Sci. 48, 575-580 (2001).
9. R. D. Hare, Orienting and defensive responses to visual stimuli. Psychophis.10, 453-464 (1973)
10. H. Kirchner, and S. J. Thorpe, Ultra-rapid object detection with saccadic eye movements: Visual processing speed revisited. Vision Res. 46, 1762-1776, (2006)
11. P. J. Whalen, et al, Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge, J. Neurosci. 18(1), 411-418
(1998).
12. P. Lennie, The cost of cortical computation. Curr. Biol. 13, 493-497 (2003).
13. D. Attwell, and S. B. Laughlin, (2001) An energy budget for signaling in the grey matter of the brain. J. Cereb. Blood Flow. Metab. 21, 1133-1145.
14. E. Echeverry, Limits of capacity for the exchange of information in the human nervous system. IEEE T. Inf. Technol. B., 10(4), (2006)
15. J. J. Atick, Could information theory provide an ecological theory of sensory processing? Network 3, 213-51 (1992).
16. D. Kersten, Predictability and redundancy of natural images. Opt. Soc. Am. A 4, 2395-2400 (1987).
17. B. A. Olshausen and D. J. Field, Emergence of simple-cell receptive field properties by learning a sparse code for natural images. Nature 381, 607-609 (1996).
18. D. Marr and E. Hildreth, Theory of edge detection. P. R. Soc. London B. 207, 187-217 (1980).
19. M. C. Morrone, and D. C. Burr, Feature detection in human vision: A phase dependent energy model. P. R. Soc. London B, 235, 221-245 (1988).
20. G. Punzi and M. M. Del Viva, Spatial Vision: Natural Image Statistics Visual features and information theory. J Vision 6(6), 563 (2006).
21. D. H. Hubel, and T. N. Wiesel, Receptive fields of single neurons in the cat's striate cortex. J. Phvsiol. 148, 574-591 (1959).
22. Y. Petrov, Luminance correlations define human sensitivity to contrast resolution in natural images. J. Opt. Soc. Am. A 22, 587-592 (2005).
23. A. Olmos and F. A. Kingdom, A biologically inspired algorithm for the recovery of shading and reflectance images. Perception 33, 1463-73 (2004).
24. S. Thorpe, D. Fize and C. Marlot, Speed of processing in the human visual system. Nature 381, 520-522 (1996)
25. K. R. Gegenfurtner and J. Rieger, Sensory and cognitive contributions of color to the recognition of natural scenes. Curr. Biol. 10, 805-808 (2000).
26. I. Biederman, and G. Ju, Surface versus edge-based determinants of visual recognition, Cognitive Psychol. 20, 38-64 (1988).
27. R. L. De Valois, I. Abramov and G. H. Jacobs, Analysis of response patterns of LGN cells, J. Opt. Soc. Am. 56(7), 966-977 (1966)
28. G. Punzi, M. M. Del Viva and S. Shevell, Color and light: Mechanisms The role of color in the early stages of visual analysis. J. Vision 10(7), 432 (2010).
29. V. C. Smith and J. Pokorny, Spectral sensitivity of the foveal cone photopigments between 400 and 500 nm. Vision Res.15, 161-171 (1975).
30. K. Nakayama and J. M. Loomis, Optical velocity patterns, velocity- sensitive neurons, and space perception: a hypothesis. Perception 3, 63-80 (1974).
31. J. J. Koenderink and A. J. Van Doorn Local structure of movement parallax of the plane. J. Opt. Soc. Am. 66, 717-723, (1976).
32. F. Hoyle, The Black Cloud. Harper & Row, New York (1957).
33. J. J. Gibson, Visually controlled locomotion and visual orientation in animals. Br. J. Psychol. (1954)
34. D. Lee and R. Lishman Visual proprioceptive control of stance. J. Hum. Movmt. Studies 1, 87-95 (1975).
35. D. C. Van Essen and J. L. Gallant, Neural mechanisms of form and motion processin in the primate visual system, Neuron 13, 1-10 (1994)
36. H. B. Barlow, and R. M. Hill, Selective sensitivity to direction of motion in ganglion cells in the rabbits retina. Science 139, 412-414 (1963).
37. D. H. Hubel and T. N. Wiesel, Receptive fields, binocular interaction and functional architecture in the cat's visual cortex. J. Physiol. 160, 106-154, (1962).
38. J. J. Kulikowski, and D. J. Tolhurst, Psychophysical evidence for sustained and transient detectors in human vision. J. Physiol. 232, 149-162, (1973).
39. K. C. Lindfield, and A. Wingfield, Recognition of fragmented pictures: Inhibitory connections versus speed of processing. Exp. Aging Res. 25, 223-242 (1999).
40. J. G. Snodgrass, and E. Hirshman, Theoretical explorations of the Bruner Potter (1964) interference effect. J. Mem. Lang., 30, 273-293 (1991).
41. M. Vannucci, G. Mazzoni, I. Marchetti and F. Lavezzini, “It's a hair-dryer…No, it's a drill”. Misidentification-related false recognitions in younger and older
adults. Arch. Gerontol. Geriat. 54, 310-316 (2012).
42. M. Vannucci, G. Mazzoni, and G. Cartocci, Lack of control enhances accurate and inaccurate identification responses to degraded visual objects. Psychon. B. Rev.
18, 524-530 (2011).
43. G. Pourtois, A. Schettino, and P. Vuilleumier, Brain mechanisms for emotional influences on perception and attention: What is magic and what is not. Biol.
Psychol. (2012).
44. K. Humphrey, G. Underwood, T. Lambert, Salience of the lambs: A test of the saliency map hypothesis with pictures of emotive objects. J. Vision 12, 1-15
(2012).
45. M. Mermillod, S. Droit-Volet, D. Devaux, A. Schaefer and N. Vermeulen, Are Coarse Scales Sufficient for Fast Detection of Visual Threat? Psychol. Sci. 21,
1429-1437 (2010).
46. M. P. Viggiano, M. Vannucci and S. Righi, A new standardised set of ecological pictures for experimental and clinical research on visual object processing.
Cortex, 40, 491-509 (2004).
12 - Descrizione dei compiti dell'Unità di Ricerca
Testo italiano
ESPERIMENTO 1 ANALISI CON MOLTEPLICI LIVELLI DI GRIGIO
La sensibilità alle variazioni di luminanza è un aspetto cruciale dell'elaborazione visiva che consente di comprendere la forma e la struttura degli oggetti. Gli esseri
umani sono in grado di cogliere variazioni dell'ordine di 1-2% di contrasto, ma alcuni studi indicano che sono sufficienti pochi bit di informazione di luminanza per
un'efficiente discriminazione di contrasto in scene naturali [22]. Poichè questa analisi ha un elevato costo computazionale, è interessante studiare se possa essere
svolta da meccanismi neurali durante i primi stadi di elaborazione visiva.
Obiettivo
Poiché questo modello permette la misura dell'informazione totale utilizzata, useremo immagini a livelli di grigio, per studiare quanta informazione in input (numero
di bit per pixel) è usata nei primi livelli di analisi.
Procedure
Simulazione
Immagini naturali calibrate estratte da un database [23] saranno digitalizzate a 1, 2, 3, 4 bit di luminanza, corrispondenti a 2, 4, 8, 16 livelli di grigio. Sarà calcolata la
distribuzione di tutti i possibili patterns 3x3 (fig.1B, istogramma) e per ogni livello di digitalizzazione saranno selezionati i set di patterns ottimali secondo il modello.
Gli sketches saranno ottenuti mantenendo nelle immagini solo i patterns corrispondenti al set selezionato (fig.1D).
Aumentando il numero di bits, il numero totale di pattern possibili sarà: Ntot=23X3Xnbits , quindi passando da 1 a 4 bit di digitalizzazione il carico computazionale
passerà da 512 a 69 miliardi di differenti possibili patterns. Questo è un carico eccessivo per i computer commerciali, quindi implementeremo il nostro software su
uno specifico hardware (GPUs, FPGAs, Memorie associative) in collaborazione con le UO di Pisa e Padova.
Psicofisica
Per ogni condizione sperimentale (livelli di digitalizzazione), verrà misurata la discriminabilità degli sketches con compiti di psicofisica (fig.2). Gli sketches saranno
presentati per 20 ms per testare i primi stadi di analisi visiva [24], seguiti da una maschera di rumore bianco e da due stimoli presentati simultaneamente: l'immagine
originale da cui è stato ottenuto lo sketch (target) e un distrattore, selezionato casualmente dal database di immagini. Entrambe le immagini avranno lo stesso livello di
digitalizzazione dello sketch mostrato in precedenza. Saranno comparate le prestazioni dei soggetti, il livello di compressione degli sketch e la percentuale di
informazione trasmessa in tutte le condizioni.
Risultati attesi
L'ipotesi sottostante è che i primi livelli di analisi del sistema visivo facciano uso di livelli minimi di informazione, e dato che gli sketches ad 1 bit hanno il 98%
dell'informazione originale e permettono un accuratezza intorno al 90%, non ci aspettiamo un grande miglioramento dall'aggiunta di informazione di contrasto in input
(maggior numero di bit).
ESPERIMENTO 2 ANALISI PRECOCE DEL COLORE
Il colore arricchisce la percezione ma il suo ruolo adattivo durante l'evoluzione non è ancora ben chiaro. In particolare, il livello di analisi in cui il colore partecipa alla
segmentazione di oggetti è ancora oggetto di dibattito (es.[25, 26]).
Una questione interessante è se il colore è così importante da giustificarne la richiesta computazionale durante i primi livelli di analisi visiva quando è necessaria una
forte compressione. Dato che l'output delle cellule parvocellulari retiniche comprende 2 classi di cellule ad opponenza (rosso/verde e blu/giallo) e una terza classe di
neuroni con uno spettro a banda larga, per l'analisi delle variazioni di luminanza [27], l'analisi del colore richiede un'informazione 3 volte maggiore rispetto a quella
richiesta dalla sola analisi di luminanza [14].
Uno studio computazionale, in cui è stato applicato il nostro modello su immagini con informazione cromatica [28], mostra che quando sono imposte strette
limitazioni computazionali, l'informazione di colore non porta ad un significativo miglioramento né della qualità della percezione né della quantità di informazione,
rispetto all'utilizzo esclusivo della luminanza. Questo ci suggerisce che la rappresentazione visiva iniziale potrebbe ignorare il colore che potrebbe essere importante in
successivi stadi di elaborazione, seguendo una rapida analisi iniziale basata esclusivamente sulla luminanza.
Obiettivi
Studiare il ruolo del colore negli stadi iniziali della rappresentazione dell'immagine e nella edge detection, misurando e comparando la prestazione di soggetti umani
nella discriminazione di sketches con differente contenuto informativo di colore e luminanza.
Procedure
Digitalizzazione
Ogni pixel delle immagini RGB a colori sarà convertito nel sistema di coordinate dei coni LMS, applicando le costanti di Smith & Pokorny [29] e, in seguito, nelle
coordinate dello spazio di MacLeod-Boynton per ottenere i valori l =L/L+M, s=S/L+M e luminanza=L+M. Questo permetterà di segregare le informazioni di colore e
luminanza, studiare il loro contributo separatamente e di rendere biologicamente plausibile il modello utilizzando vie cromatiche (opponenza rosso/verde e blu/giallo)
e acromatica (luminanza) [27].
Le immagini risultanti saranno digitalizzate nel modo seguente mantenendo il più basso possibile il numero di bit:
1) 1 bit per l, 1 bit per s, 1 per luminanza: 8 livelli totali;
2) 1 bit per l, 1 bit per s, 2 bit per luminanza: 16 livelli totali.
Estrazione di patterns salienti
Per accertare i contributi della luminanza e del colore, nella condizione di digitalizzazione 1) studieremo tre casi:
a. Ignorando i bit l e s: 1 bit - sola luminanza (grigio scuro/chiaro);
b. Ignorando i bit luminanza e s: 1bit - solo colore (rosso scuro/verde scuro o rosso chiaro/rosso scuro);
c. Ignorando il bit s: 2 bit - colore e luminanza (rosso scuro/verde scuro + rosso chiaro/ verde chiaro + rosso chiaro/ verde scuro + rosso scuro/verde chiaro);
Nella condizione di digitalizzazione 2)
d. Ignorando i bit l e s: 2 bit - sola luminanza (4 livelli di grigio).
Per ogni condizione sarà calcolata la distribuzione di probabilità di tutti i possibili patterns e i set di patterns ottimali saranno selezionati seguendo il modello e quindi
costruiti i relativi sketches (fig.1).
Psicofisica
Per ogni condizione sperimentale sarà misurata la discriminabilità degli sketches per brevi tempi di presentazione (20 ms) come descritto nell'esp. 1. Verranno
comparate le prestazioni dei soggetti in tutte le condizioni. Le condizioni b e d contengono stimoli equiluminanti, perciò sarà necessario misurare per ogni soggetto il
rapporto di equiluminanza r/v con l'Heterocromatic Flicker Photometry. Quindi gli simoli saranno preparati ad hoc per ogni soggetto, secondo i valori r/v di
equiluminanza individuali.
Questi esperimenti saranno svolti in collaborazione col Prof. Shevell dell'Istitute of Mind and Brain dell'Università di Chicago, riconosciuto a livello internazionale
per la sua esperienza negli studi sulla percezione del colore e nella modellizzazione.
Risultati attesi
Ci aspettiamo che gli sketches con sola luminanza, essendo più informativi, saranno più facilmente discriminabili rispetto a quelli che contengono solo colore. Per la
stessa ragione ci aspettiamo che anche gli sketches che contengono 2 bit di luminanza saranno discriminati più facilmente rispetto a quelli che contengono 1 bit di
luminanza+1 bit di colore.
ESPERIMENTO 3 EARLY VISUAL MOTION ANALYSIS
Di tutti gli aspetti della visione, l'analisi del movimento è probabilmente il più importante per la sopravvivenza. Tutti gli animali hanno sviluppato meccanismi neurali
specifici per la detezione del movimento. Rispetto all'analisi delle variazioni di luminanza nello spazio, l'analisi del movimento ha in aggiunta la dimensione
temporale richiedendo un processing più veloce e un più alto carico computazionale. Un'analisi del movimento veloce ed affidabile serve per molteplici scopi: è
necessaria per la ricostruzione delle strutture 3D delle immagini [30, 31] permette di calcolare il tempo di collisione con oggetti in movimento [32], permette di
estrarre le figure dallo sfondo nella segmentazione dell'immagine [30], consente lo spostamento nell'ambiente [33] e aiuta a mantenere la postura [34]. L'analisi del
movimento è svolta da differenti meccanismi neurali e coinvolge diverse aree cerebrali [35] molte localizzate nelle prime aree di analisi, come la retina [36] o la
corteccia visiva primaria [37] e con caratteristiche temporali differenti [38].
Obiettivo
Dato il molteplice ruolo, e le differenti caratteristiche dei meccanismi del movimento, sarà interessante:
1) verificare se la rappresentazione visiva iniziale compressa contiene informazioni di movimento.
2) studiare che tipo di features di movimento sono considerate salienti per osservatori umani.
Simulazione
Questo studio rappresenta un estensione del lavoro svolto su immagini statiche a stimoli in movimento [4].
Stimoli Brevi filmati di ambienti naturali, appositamente filmati per questo studio, comprendenti di oggetti statici ed in movimento su uno sfondo statico. Gli stimoli
saranno composti di almeno 3-5 frames, 10-20 ms ognuno, per tener conto dei valori di velocità di target naturali.
Procedure A differenza delle immagini statiche 2D dove abbiamo 3x3 pixel per pattern, qui avremo da gestire patterns 3D. Aggiungendo la dimensione temporale
avremo un incremento esponenziale del carico computazionale, il minimo numero possibile di pattern sarà dell'ordine di 13 milioni per 3 frame e di oltre 30000
miliardi per 5 frame che richiedono una enorme capacità computazionale. Quindi implementeremo il nostro software su un hardware potente (GPUs, FPGA, AM) in
collaborazione con l'UO di Pisa e Padova. Con l'aiuto di questo hardware specifico potremo calcolare la distribuzione di tutti i possibili patterns 3D e trovare il set di
patterns ottimale secondo il modello (fig.1).
Risultati attesi.
L'identificazione di patterns salienti di movimento è molto interessante perché può essere comparata con i dati esistenti sulla struttura spaziotemporale dei meccanismi
neurali del movimento. Sono possibili almeno due risultati:
1. Potremmo selezionare sia pattern con struttura spaziale statica che non cambia da frame a frame (fig.3A) che pattern con struttura spaziale che cambia
coerentemente in ogni frame (fig.3B). Tali pattern sarebbero selettivi sia per il movimento che per le caratteristiche statiche dello sfondo.
2. Potremmo selezionare solo patterns con struttura spaziale che cambia coerentemente (fig.3B). Le features sarebbero quindi selettive solamente alle caratteristiche di
movimento.
Dato che si ipotizzano almeno due principali meccanismi di analisi degli stimoli in movimento [38], -uno associato ad una analisi della scena con movimenti rapidi,
l'altro associato ai movimenti più lenti di inseguimento degli oggetti- i risultati potrebbero fare luce su quale di essi partecipa a questo stadio iniziale di analisi.
Così in analogia con il lavoro svolto sulle immagini statiche, gli sketch di movimento saranno ottenuti usando solo i patterns selezionati e le misure di discriminabilità
di psicofisica ci permetteranno di comprendere se questo tipo di processing è adeguato per una rapida analisi del movimento.
Procedura
I soggetti vedranno gli sketch di movimento seguiti da una maschera di rumore dinamico seguita a sua volta dalla fase di identificazione dove si dovrà discriminare il
filmato originale, da cui lo sketch di movimento è stato ottenuto (target), da un filmato differente (distrattore) (fig.2).
Se saranno state selezionate sia features di movimento che statiche testeremo se i soggetti possono identificare lo sfondo statico e gli oggetti in movimento rispetto ad
un distrattore in cui:
1. Sia lo sfondo statico che gli oggetti in movimento sono diversi da quelli presentati nel target
2. Solo lo sfondo statico è diverso
3. Solo gli oggetti in movimento sono diversi
Se sono state selezionate solamente le features di movimento, testeremo se il soggetto è in grado di discriminare il target da un distrattore in cui solo gli oggetti in
movimento sono diversi.
Risultati attesi
Ci aspettiamo che la performance comportamentale sia coerente con la selezione dei patterns salienti. Se verranno selezionati sia patterns di movimento che statici, ci
aspettiamo una miglior performance quando il distrattore avrà sfondo statico e elementi di movimento diversi, e performance peggiori quando solo lo sfondo statico o
gli elementi di movimento sono diversi dal target.
Se verranno selezionati solo patterns di movimento ci aspettiamo alte performance quando il distrattore avrà features di movimento diverse dal target.
ESPERIMENTO 4: IDENTIFICAZIONE VISIVA DI OGGETTI
L'identificazione visiva di oggetti comprende processi di analisi visiva low-level e high level, che portano alla formazione di una rappresentazione percettiva unitaria,
e processi di confronto con la rappresentazione dell'oggetto depositata in memoria.
Sebbene gli esseri umani abbiano una notevole capacità di identificazione visiva, in condizioni di degradazione percettiva, un oggetto può attivare in memoria anche
rappresentazioni di altri oggetti, aventi forma globale simile allo stimolo presentato, portando così alla formazione di false identificazioni (misidentifications) [es. 39,
40]
Le misidentifications, in seguito corrette e rimpiazzate da una identificazione corretta, possono generare false memorie [41] e si verificano frequentemente con stimoli
contenenti solo frequenze spaziali basse [ad es., 42].
Rimane però ancora da chiarire se e in che misura le false identificazioni siano dovute a caratteristiche di “basso livello” dello stimolo e siano quindi generate negli
stadi iniziali di processing dell'immagine e se la valenza emotigena dello stimolo sia elaborata già in queste fasi precoci e sia in grado di influenzare la produzione di
misidentification.
L'innesco precoce del processo di identificazione, sulla base solo di informazioni scarne, risulterebbe particolarmente vantaggioso in situazioni di pericolo, che
minacciano la sopravvivenza.
Numerosi studi hanno dimostrato che gli stimoli emotigeni sono rilevati molto più rapidamente rispetto ai neutri, elaborati in modo automatico (per una rassegna, si
veda 43) e fissati più a lungo, soprattutto nel caso di oggetti con valenza negativa [44].
In linea con questi risultati, Mermillod et al [45] hanno trovato che il contenuto in basse frequenze spaziali è sufficiente per il riconoscimento rapido di oggetti viventi
pericolosi, quando il soggetto è messo in condizioni di effettivo pericolo.
Obiettivi
1) Indagare il contributo dei processi visivi di “basso livello” nella produzione di misidentification, misurando la discriminabilità degli sketch di oggetti
frequentemente identificati in modo errato (es. trapano e phon).
2) Indagare in che misura le misidentification siano influenzate dalla natura emotigena dello stimolo
Stimoli
Verrà creato un database di immagini a livelli di grigio (in parte provenienti da un preesistente set standardizzato, [44]) digitalizzate a 1 bit di luminanza (b/n),
contenente oggetti neutri e emotigeni negativi. Le reazioni emozionali evocate delle immagini verranno precedentemente misurate su un ampio campione di soggetti,
attraverso un sistema poligrafico computerizzato.
Procedura
La discriminabilità degli sketch verrà misurata con la stessa procedura dell'exp 1.
Gli sketch, presentati per 20 ms, potranno essere di oggetti neutri o emotigeni negativi.
Nella fase di discriminazione, il target e il distrattore saranno scelti in modo da indurre o meno false identificazioni (“coppie critiche”). Le coppie critiche saranno
selezionate sulla base di precedenti studi [42].
Risultati attesi
1) Se le misidentifications hanno origine da processi low-level nell'analisi visiva, ci attendiamo una prestazione di discriminazione più scadente con gli sketch di
coppie critiche. Se la prestazione è invece indipendente dalla natura critica degli stimoli, le misidentifications emergono a livelli più alti dell'elaborazione visiva.
2) Dato che gli oggetti emotigeni negativi sono elaborati più rapidamente e con minore informazione, ci aspettiamo che gli sketch di oggetti negativi siano in grado di
discriminare le coppie critiche, con una conseguente prestazione migliore rispetto a quella per gli oggetti neutri e una proporzione più bassa di misidentifications.
ESPERIMENTO 5 IMPLEMENTAZIONE HARDWARE DEL MODELLO
Obiettivo
Dato che il nostro approccio deriva da una architettura generale di pattern-filtering, implementata con successo nei dispositivi elettronici VLSI (Memorie Associative)
che consentono un pattern-matching con enormi quantità di dati ad alte velocità [8], studieremo in collaborazione con UO di Padova e Pisa, la fattibilità
dell'implementazione hardware del processo di estrazione di features salienti visive da immagini naturali, basato su AM, GPU e FPGA.
Procedura
La nostra unità assisterà le UO di Padova e Pisa nella creazione di un nuovo hardware fornendo:
Un database di immagini calibrate;
Supporto sui dettagli dell'algoritmo da implementare;
Il software usato per la simulazione.
Le attuali procedure sono svolte con il software Mathematica e saranno tradotte in Verilog e C dai ricercatori dell'UO di Padova e Pisa.
Risultati attesi
La realizzazione di un dispositivo di questo tipo è importante per la validazione del modello e proverebbe la sua effettiva implementabilità. Infatti, l'implementazione
di un hardware basato su un modello di analisi visiva non è una pratica standard nello studio della visione che si basa spesso su modelli precisi ed eleganti ma
difficilmente implementabili.
La realizzazione di un dispositivo hardware basata sul nostro modello costituirebbe un importante progresso per l'analisi automatica delle features salienti in immagini
non naturali come radiografie mediche o immagini dai satelliti che normalmente richiedono un lungo training e una supervisione esterna, mentre il nostro algoritmo
consente una sintonizzazione automatica e un continuo adattamento.
ESPERIMENTO 6 RICERCA AUTOMATICA DI CLUSTER
Obiettivo
Applicare lo stesso algoritmo utilizzato nella visione, nella ricostruzione di cluster nei rivelatori di traccia. L'obiettivo è determinare la fattibilità di un'
implementazione di un cluster-finder, adattivo piuttosto che algoritmico, in grado di imparare automaticamente quali sono le caratteristiche del rivelatore e tracciare la
loro variazione nel tempo. Questo ha una possibile applicazione nella riduzione iniziale dei dati in input nei trigger veloci.
Procedura
I clusters non sono altro che particolari tipi di patterns “salienti”, che si trovano in particolari “immagini”: quando una particella carica interagisce con uno strato del
tracking detector, produce un segnale che si propaga in un piccolo numero di canali vicini che appaiono come un “cluster” nell'immagine formata dalla matrice di tutti
i canali del detector. La nostra UO svilupperà un esperimento pilota di simulazione, per provare la fattibilità dell'applicazione del nostro modello nel produrre un
cluster-finder automatico. Questo richiederà di adattare il software già esistente per l'analisi di immagini visive a questo nuovo problema. L'UO di Bologna fornirà le
“immagini” contenente dati rilevanti del detector e le specifiche del problema (dimensioni realistiche, numero di bit per pixel, ecc.).
Risultati attesi
Dato che i clusters sono un particolare tipo di patterns ci aspettiamo che l'algoritmo li selezioni all'interno di tutti i patterns generati da fluttuazioni di carica casuali
all'interno del detector.
Il successo di questo esperimento può aprire la strada a più complesse simulazioni e alla futura realizzazione di dispositivi cluster-finder adattivi, cioè che possono
adattarsi in tempo reale alle variazioni di posizione del detector e alle sue caratteristiche fisiche.
Testo inglese
EXPERIMENT 1 MULTIPLE GREY LEVELS ANALYSIS
Sensitivity to variations of luminance (luminance contrast) is an aspect of visual processing crucial to understanding the shape and surface structure of objects.
Humans can detect
variations of 1%-2% of background luminance but some studies indicates that only few bits of luminance information are required for contrast discrimination in
natural scenes [22]. Since this fine discrimination has high computational costs, one may ask whether it can be achieved through specialized neural mechanisms
operating early during the visual process.
Purpose
Since this model allows to measure the amount of information used, we will use multiple gray-level images, to study how much input information (number of bits per
pixel) is used by this early stage.
Procedures
Simulation
Images extracted from a database of calibrated natural images [23] will be digitized into 1, 2, 3 and 4 bits of contrast resolution, corresponding to 2, 4, 8, 16 gray
levels. The distributions of all possible 3X3 pixel patterns will be computed (fig 1B, histogram) and optimal pattern sets will be selected for each digitization level,
according to the model.
Sketches will be obtained by keeping in the thresholded images only those patterns corresponding to the sets chosen in the experiments (fig 1D).
By increasing the number of bits the number (Ntot) of possible patterns for 3X3 pixel patches increases according to: Ntot= 23X3Xnbits , therefore from 1 to 4 bits of
digitization the computational load increases from 512 to 69 billions of possible different patterns. This is a really huge computational problem for commercial
computers. Given the high computational load of these simulations we will implement our software on dedicated hardware (GPUs, FPGAs, Associative memories) in
collaboration with Pisa and Padova RU.
Psychophysics
For each experimental condition (different digitization levels), discriminability of sketches will be measured with psychophysical techniques (fig 2). Sketches will be
presented on a monitor for 20 ms. to probe early stages of visual analysis [24]. They will be followed by a random noise mask and by two stimuli presented
simultaneously: the image corresponding to the sketch (target) and a distractor, selected randomly from the dataset, both with the same level of digitization as the
sketch. Subjects will have to indicate in a 2AFC procedure the image (target) matching the sketch shown before. Performances of subjects, amount of compression of
sketches and percentage of information transmitted in all conditions will be compared.
Expected results:
The underlying hypothesis is that this early processing system makes use of minimal amount of information and, given that sketches obtained from 1 bit images retain
98% of original information and provide 90% correct identification, we do not expect much improvement by adding more input contrast information (more bit-depth).
EXPERIMENT 2 EARLY COLOR ANALYSIS
Color in natural scenes is a rich source of information but its adaptive role during evolution is still unclear. Particularly, the level of visual analysis in which color
participates to object segmentation process is subject to debate (i.e. [25, 26]).
A worthwhile question is whether color is sufficiently important for fast behavioural responses to justify the required computational load during the early stages of
visual processing, when strong compression is needed. In fact, all considerations about compression of information for luminance analysis applies to color even more
strongly because color analysis is three-dimensional: the parvocellular retinal output comprises 2 color-opponent classes of neurons (red/green and blue/yellow) and a
third class of broadband spectrum neurons, for analysis of luminance variations [27]. Therefore color analysis intrinsically requires three times more information than
that for processing luminance alone [14].
A computational pilot study, where our model was applied to color images of natural scenes [28], showed that, when strict computational limitations are imposed, the
use of color information does not provide a significant improvement in either the perceived quality of the compressed image or its information content, over the use of
luminance alone. This suggests that the early visual representations may not use color. Instead, color may be more suitable for a separate level of processing,
following a rapid, initial luminance-based analysis.
Purpose
In the following experiments we aim to study the possible role of color in the initial stages of image representation and edge detection, by measuring and comparing
human performance in discrimination of sketches with different contents of color and luminance information.
Procedures
Digitization
Each pixel of Photographic RGB Color images will be converted into LMS cone coordinate system values, following Smith & Pokorny fundamentals [29] and then
converted to MacLeod-Boynton color space coordinates to obtain l =L/L+M, s=S/L+M and luminance=L+M values. This representation allows to segregate color and
luminance information and to study their contribution separately. Furthermore fits to model chromatic (red/green and blue /yellow opponent) and achromatic
(luminance) pathways [27].
Resulting images will be digitized as follows, to keep the number of levels as low as possible:
1) 1 bit for l, 1 bit for s, 1 for luminance: 8 total levels;
2) 1 bit for l, 1 bit for s, 2 bits for luminance: 16 total levels.
Extraction of salient patterns
Then, to ascertain the minimal and relative contribution of luminance and pure color information, in the digitization condition 1) we will study three cases:
a. ignore the l and s bits: luminance alone -1 bit (dark/light grey);
b. ignore luminance and s bit: color alone -1 bit (dark red/dark green or light red/light green);
c. ignore the s bit: color and luminance -2 bits (dark red/dark green + light red/light green + light red/dark green + dark red/light green);
In the digitization condition 2)
d. ignore the l and s bits: luminance alone -2 bits (4 grey levels).
In any of these conditions the probability distributions of all possible 3X3 pixels patches, cumulated over all images of the database will be computed, optimal sets of
patterns will be selected according to our model, and relative sketches will be built from these sets (fig 1).
Psychophysics
For each experimental condition (different digitization levels and relative contents of color and luminance information) discriminability of rapidly presented sketches
(20 ms) will be measured, as described in experiment 1. Subjects' performances in all conditions will be then compared. There is to note that condition b and d contain
equiluminant colors, therefore, prior to the experiment it will be necessary to measure for each subject his/her subjective equiluminance r/g ratio with Heterocromatic
Flicker Photometry experiments. Then digitized images and sketches will be prepared ad hoc for each subjects according to his/her equiluminant ratio.
These experiments will be held in collaboration with Prof. Shevell from the Institute of Mind and Brain at The University of Chicago, internationally renowned for his
expertise in color perception and modeling.
Expected results
Following computational results, we expect that sketches containing luminance alone, being more informative, will be easier to discriminate than those containing
only color information. For the same reason, we also expect that sketches containing 2 bits of luminance information will be easier to discriminate than those
containing one bit of luminance + one bit of color information.
EXPERIMENT 3 EARLY VISUAL MOTION ANALYSIS
Of all aspects of vision, motion analysis is probably the most fundamental for survival. All known animals have specialized neural mechanisms to detect motion. With
respect to the analysis of luminance variations in the space domain, visual motion analysis, due to the additional temporal dimension, requires faster processing and
higher computational load. A fast and reliable visual motion analysis serves multiple purposes: it is necessary to recover the 3-D structure of images [30, 31], allows
to compute the time to collision with fast moving objects [32], allows to extract figures from ground in image segmentation [30], allows self-navigation in the
environment [33] and helps to maintain posture [34]. Given all these different functions, motion analysis, is performed by several different neural mechanisms,
involves multiple brain areas [35], most of them located in the visual flow as early as the retina [36] or the primary visual cortex [37], with different temporal
characteristics [38].
Purpose
Given the multiplicity of roles and characteristics of motion mechanisms it will be interesting
1) To verify if early compressive visual representations contain motion information.
2) To study what kind of features of moving stimuli are deemed salient from human observers
Simulation
This study represents an extension to moving stimuli of the work already done on static images [4].
Stimuli will be short movies of natural environments, appositely filmed for this study, comprising moving and static objects and a static background. Stimuli will last
3-5 frames, 10-20 ms each, to encompass the range of speeds of a variety of natural moving targets.
Procedures Unlike static images, where we have 2-D 3X3 pixel patterns, here we will have to handle 3D patterns. Adding the temporal dimension causes an
exponential increase of computation, the minimal number of possible patterns to be handled ranging from 13 million, for 3 frames composed of 3X3 pixel patches, to
over 30000 billions for 5 frames. These computations cannot be carried out on commercial computers therefore we will implement our software on powerful parallel
hardware (GPUs, FPGA, AM) in collaboration with the Pisa and Padova RU. With the help of this dedicated hardware the distributions of all possible 3-D patterns
will be computed and optimal pattern sets will be selected, according to the model (fig 1).
Expected results.
Identification of moving salient patterns is very interesting because they can be compared to existing data on the spatiotemporal structures of motion neural
mechanisms. At least two outcomes are possible:
1. Selected features comprise patterns whose spatial structure do not change from frame to frame (fig3A), as well as patterns whose spatial structure changes
coherently from frame to frame (fig3B). That is, optimal patterns are selective for moving and for static features constituting the background (that we found
discriminable in static images with 10 ms presentation time).
2. Selected features comprise only patterns whose spatial structure changes coherently (fig3B), that is, optimal patterns are selective only for moving features.
Given that there are at least two main mechanisms responsible for the different temporal properties of moving stimuli [38], that could be associated to a fast
computation of velocity field and to a slower tracking of moving features, results can shed light on which system participate to this compressive early stage.
Then, in analogy with the work done for static images, moving sketches will be built by using selected patterns and psychophysical measurements of discriminability
of movies will be carried out, to understand if this kind of processing is adequate for a rapid motion analysis.
Procedures
Subjects will see the moving sketch followed by a mask of dynamic noise followed by the identification phase where they will have to discriminate the original movie,
from which the moving sketch has been obtained (target) from a different movie (distractor) (fig 2).
If moving and static features have been selected, then we will test whether subjects can identify the static background and the moving objects by presenting distractors
where
1. both the static background and moving objects are different from those present in the target movie,
2. only static background is different
3. only moving objects are different
4. If only moving features have been selected, then we will test whether subjects can identify the moving objects by presenting a distractor where only moving objects
are different.
Expected results
We expect behavioural performances to be coherent with the outcome of the selection of salient patterns. Particularly, if moving and static patterns are selected, we
expect better performance when the distractor has different static background and moving elements and lower performance when only static background or motion is
different from the target.
If only moving features are selected, we expect high performance when moving features are different in the distractor with respect to the target.
EXPERIMENT 4 OBJECT IDENTIFICATION
Visual object identification involves low-level perceptual analysis as well as high- level processing, that allows matching the percept to stored object representations.
Although humans have a remarkable ability to identify visual objects, when the stimulus is degraded, many of the stored object representations can be activated by
visual inputs generated by different objects that share the same global appearance with the target, giving rise to misidentifications [39, 40].These errors, subsequently
corrected and replaced by a correct identification, might nonetheless induce false memories [41] and frequently occur when only low spatial frequencies are available
in the visual stimulus [42].
No study investigated how early in the visual system misidentifications arise and whether they might be generated at the initial stages of image representation and
edge detection.
It is also unclear whether the emotional content of the stimulus is processed at these very early stages of processing and affect the generation of misidentifications.
Indeed, an early activation of object identification, based only on coarse information, may be particularly helpful in survival-related situations (e.g. danger).
Converging evidence indicates that emotional stimuli are detected faster than neutral ones and automatically processed [43], are subjected to longer eye fixations,
particularly if they are negative [44]. Even coarse information (low spatial frequencies) is sufficient for fast recognition of living dangerous stimuli under threat
pressure [45].
Purpose
1) Study the contribution of low-level analysis to misidentifications of objects, by measuring discriminability of sketches of frequently misidentified objects (e.g.drill
vs. hair dryer).
2) Study dependence of misidentifications on the power of objects to drive emotional reactions.
Stimuli
We will create a calibrated data base of gray-level images, digitized to 1 luminance bit, containing objects with neutral and negative emotional content, partly deriving
from a standardized set [46]. Emotional reactions evoked by the images will be measured with a computerized polygraphic system on a large sample of subjects.
Sketches will be obtained by keeping in the thresholded images only those patterns corresponding to the sets already found in previous studies [7], and discarding all
the others.
Procedure
Discriminability of sketches will be measured as described in experiment 1.Sketches, presented for 20ms, will have a neutral or negative emotional valence. In the
discrimination phase, target and distractor will be chosen as to give way to misidentifications (critical couples) or not.
Critical couples will be determined based on existing studies [42]..
Expected results
1) If false identifications of objects are based mostly on this low level perceptual processes, we expect low performance in discriminating critical couples based on
their sketches. If performance is not affected by the nature of the object, misidentifications depends on higher-level visual analysis.
2) Given that images with negative emotional valence can be processed faster and require less information than neutral, we expect sketches with negative valence to
be able to discriminate critical couples, providing higher performances than neutral ones and giving way to a lower proportion of misidentifications.
EXPERIMENT 5 HARDWARE IMPLEMENTATION
Purpose
Given that our approach derives from a general pattern-filtering architecture, successfully implemented in VLSI electronic devices (Associative Memories), which
allow for massively parallel pattern-matching at high speed [8], we will study, in collaboration with Padova and Pisa RU, the feasibility of an hardware
implementation of the process of extraction of visual salient features from natural sequences of images, based on AM GPU and FPGA.
Procedure
Our unit will assist, Pisa and Padova RU in creating this new hardware by providing
° the calibrated image databases;
° support on algorithm details;
° the software used for the simulation.
Current routines are realized with Mathematica software, they will be translated in Verilog and C by researchers of Padova and Pisa RU.
Expected results
The realization of such device is of great importance for the validation of the model since it proves its actual implementability. In fact, the hardware implementation of
models for visual analysis does not constitute a standard practice in the study of vision, often leading to elegant and precise models but, for computational reasons, far
from being implementable.
The realization of a hardware device based on our model, would also constitute an important breakthrough for the automatic analysis of salient features in non natural
images, such as medical images or satellite images, that normally require long training and external supervision, while our algorithm includes automatic tuning and
continuous adaptation.
Experiment 6 CLUSTER FINDING
Purpose
Apply the same algorithms and software developed for vision to the reconstruction of clusters in tracking detectors, corresponding to track hits. The goal is to
determine the feasibility of implementing a cluster-finder, that is adaptive rather than algorithmic, and can automatically learn the local features of detectors and track
their variation over time. This has a possible application to an early reduction of the amount of data input to a fast trigger.
Procedure
Clusters are nothing more than particular types of “salient” patterns (features), that can be found in particular “images”: when charged particles interact with a layer of
a tracking detector, they produce signals spread over a small number of nearby channels, that appear as a “cluster” in the image formed by the matrix of all channels of
the detector. Our research unit will develop pilot simulation experiments, in order to prove the feasibility of applying our model to produce an automated cluster
finder. This will require to adapt the existing image-analysis software to this new problem. The Bologna RU will provide “images” of relevant detector data and the
problem specifications (realistic dimensions, number of bits per pixel, etc.).
Expected results.
Given that clusters are particular types of patterns, we expect the algorithm selects them within all the patterns generated by random fluctuations of charge in the
detector.
The success of this experiment can open the road to more complex simulations and to the future realization of adaptive cluster-finder devices that can adapt in real
time to variations in detector positioning and its physical characteristics.
Temporal development of the project :
13 - Descrizione delle attrezzature già disponibili ed utilizzabili per la ricerca proposta
Testo italiano
Nessuna
Testo inglese
Nessuna
14 - Elenco dei partecipanti all'Unità di Ricerca
14.1 Personale dipendente dall'Ateneo/Ente cui afferisce l'Unità di ricerca
14.1.a - Docenti / ricercatori / tecnologi
nº Cognome
Nome
Qualifica
costo annuo lordo (a)
mesi/persona
costo
previsti (b) attribuito
al
progetto
((a/12)*b)
1.
DEL VIVA
Maria
56.308
6
28.154
2.
VANNUCCI
Manila
50.941
1
4.245
3.
LAURO GROTTO
Rosapia
56.308
0,2
938
7,2
33.337
TOTALE
14.1.b - Altro personale tecnico
Nessuno
14.2 Personale dipendente da altri Atenei/Enti
14.2.a - Docenti / ricercatori / tecnologi
nº Cognome
Nome
Università/Ente
TOTALE
Qualifica
costo
annuo
lordo
(a)
0
mesi/persona
costo
al
progetto
((a/12)*b)
0 0
14.2.b - Altro personale tecnico
nº Cognome
Nome
Università/Ente
Qualifica
costo
annuo
lordo
(a)
TOTALE
mesi/persona
costo
al
progetto
((a/12)*b)
0
0 0
14.3 Personale non dipendente già presente presso l'Ateneo/Ente cui afferisce l'Unità di Ricerca alla data
di presentazione del progetto (da inserire a costo zero):
nº Cognome
1.
BENEDETTI
Nome
Università/Ente
Tipologia
Daniele
Università degli Studi di FIRENZE
Dottorando
costo
annuo
lordo
(a)
TOTALE
mesi/persona
costo
al
progetto
((a/12)*b)
0
12
0
0
12
0
14.4 - Personale dipendente e non dipendente da destinare a questo specifico Progetto:
nº
Tipologia di
contratto
1.
Dottorandi
16.000
12,00
16.000
2.
co.co.co.
16.000
4,00
5.333
32.000,000
16,00
21.333
TOTALE
costo annuo
lordo (a)
mesi/persona
previsti (b)
costo attribuito al
progetto ((a/12)*b)
Note
14.5 Personale di Enti/Istituzioni straniere
nº
Cognome
Nome
Qualifica
Dipartimento/Istituto
(Università/Ente)
1.
Shevell
Steven K.
Full professor
The University of Chicago
Institute for Mind and Brain
15 - Mesi persona complessivi dedicati al Progetto
Mesi/Persona
15.1 Personale dipendente dall'Ateneo/Ente cui afferisce l'Unità di ricerca
15.2 Personale dipendente da altri Atenei/Enti
15.3 Personale non dipendente già presente presso l'Ateneo/Ente cui afferisce l'Unità di ricerca alla
data di presentazione del progetto (da inserire a costo zero)
15.4 Personale dipendente o non dipendente da destinare a questo specifico Progetto
TOTALE
a) docenti /
ricercatori / tecnologi
b) altro personale
tecnico
a) docenti /
ricercatori / tecnologi
b) altro personale
tecnico
a) assegnisti
b) dottorandi
c) professori a
contratto
d) co.co.co (solo per
EPR)
a) assegnisti
b) ricercatori a
tempo determinato
c) dottorandi
d) co.co.co.
7,2
0
0
0
0
12
0
0
0
0
12
4
35,2
16 - Costo complessivo dell'Unità di Ricerca
Voce di spesa
A - Spese di
personale
(cofinanziamento
ateneo/ente; punti
14.1 (A.1) - 14.2
(A.2); non superiore
al 30% del costo del
progetto)
A - Spese di
personale non
dipendente da
destinare a questo
specifico progetto punto 14.4 (A.4)
B - Spese generali
(quota forfettaria
pari al 60% del costo
totale del personale,
spesa A)
C - Attrezzature,
strumentazioni e
prodotti software
Spesa
in
Euro
Descrizione dettagliata
(in italiano)
Descrizione dettagliata
(in inglese)
33.337 spese di personale per i 3 ricercatori confermati
Espenses the 3 staff researchers
21.333 -1 Borsa di dottorato della durata di un anno su temi inerenti il progetto -One year PhD fellowship for research on the
-un co.co.co
project's arguments
-an italian co.co.co contract
32.802
Spese generali (quota forfettaria pari al 60% del costo totale del personale, spesa A)
20.000 Atterzzatura per misurare la percezone del colore e del movimento
(Cambridge research system composta da una Visage, un dispositivo
per registrazione risposte comportamentali,un monitor CRT a colori
Mitsubishi Diamond Pro 22" con alta risoluzione spaziale e temporale
(160Hz ),un colorimetro ColorCALper misurare luminanza e
coordinate colorimetriche. Atterzzatura da acquistare all'inizio del
progetto
Attrezzatura per la registazione poligrafica delle risposte autonomiche
(Biopac MP150). Da acquistare durante il secondo anno
Le attrezzature saranno aduso esclusivo di questo solo progetto.
-Advanced Colour Vision Package (Cambridge
research system) for psychophysical studies of color
and motion perception comprising: visage (visual
stimulus generator),
cb6 behavioral response box,Mitsubishi Diamond
Pro 22" colour CRT monitor with high spatial and
temporal (160Hz ) resolution, and full colour
display, the ColorCAL Colorimeter to measure
luminance and CIE chromaticity coordinates. This
equipment will be acquired at the beginning of this
project
- Equipment for poligraphyc recordings of
autonomic responses (Biopac MP150).This
equipment will be acquired during the second year.
All equipment wil be used exclusively for this
project
conversion from Mathematica software to software
running on GPU e FPGA
3.000 Conversione del software Mathematica in software per GPU e FPGA
D - Servizi di
consulenza e simili
6.000 Per spese di missione per conferenze e seminari, per missioni a
Cover travel expenses for Internatonal conferences
E - Altri costi di
Chicago.
and seminars, travels to Chicago.
esercizio
Costo Complessivo 116.472
dell'Unità di Ricerca
Finanziamento 81.530
MIUR
Costo a carico 34.942
Ateneo / Ente
N.B. - I costi relativi al personale dipendente già operante presso gli atenei e gli enti di ricerca alla data di scadenza del presente
bando non possono superare il 30% del costo del progetto.
“I dati contenuti nella domanda di finanziamento sono trattati esclusivamente per lo svolgimento delle funzioni istituzionali del
MIUR. Incaricato del trattamento è il CINECA- Dipartimento Servizi per il MIUR. La consultazione è altresì riservata agli atenei e
agli enti di ricerca (ciascuno per le parti di propria competenza), al MIUR - D.G. per il Coordinamento e lo Sviluppo della Ricerca Ufficio V, al CNGR e ai CdS. Il MIUR potrà anche procedere alla diffusione dei principali dati economici e scientifici relativi ai
progetti finanziati.”
Firma _____________________________________
Data 09/03/2012 ore 15:08
Curricula scientifici dei componenti il gruppo di ricerca
Testo italiano
1.
BENEDETTI Daniele
Curriculum:
Benedetti Daniele
Via Guerrazzi 13, Viareggio, Italia
3287082495
[email protected]
Istruzione
2011-presente: Iscritto alla scuola di Dottorato di ricerca in Psicologia e Neuroscienze dell'Università di Firenze sotto la supervisione della Prof. M. M. Del
Viva.
2010: Laurea Specialistica in Psicologia Sperimentale (110/110 e lode) presso l'Università degli studi di Firenze, Facoltà di Psicologia, con la tesi dal titolo
Studio delle limitazioni delle risorse nervose sui processi visivi precoci, sotto la supervisione della Prof. M. M. Del Viva. La tesi sperimentale riguardava lo
studio dei meccanismi visivi precoci.
2008: Laurea triennale in Psicologia Generale e Sperimentale presso l'Università degli studi di Firenze con una tesi dal titolo Il parsing linguistico sotto la
supervisione della Prof. M. M. Del Viva. La tesi era una rassegna dei più recenti studi sullo sviluppo del linguaggio.
Partecipazione a convegni
May-2011: Ho presentato come primo autore un poster al meeting annuale della Vision Science society, VSS 2011, Neaples, Florida.
Apr-2011: Ho trascorso un mese presso l'università di Chicago nel laboratorio del Prof. Steve Shevell dove ho potuto svolgere una serie di ricerche sul ruolo
del colore negli stadi iniziali dell'analisi visiva.
Dic-2010: Ho partecipato al I International Psychogroup Workshop 2010 con un talk dal titolo:
Limitate risorse nervose determinano la struttura dei processi visivi precoci
Pubblicazioni
Primi, C., Narducci, R., Benedetti, D., Donati, M. & Chiesi, F. (2011) Validity and reliability of the italian version of the Brief Sensation Seeking Scale
(BSSS) and its invariance across age and gender. TPM, 18(4), 1-11.
Benedetti, D., Cello, F., Agostini, R., Punzi, G. & Del Viva, M. M. (2011) How much contrast information is needed for reliable fast image recognition?
J.Vision, 11(11), 1065.
Del Viva M. M., Agostini R., Benedetti D. & Punzi G., (2010) The limited availability of brain resources determines the structures of early visual processing.
J. Vision, 10(7), 1360.
Ulteriori Informazioni
Set2010-Set2011: Ho svolto i primi sei mesi di tirocinio professionalizzante, necessario per l'iscrizione all'albo degli psicologi, presso il laboratorio di
metodologia della Prof. C. Primi dell'Università di Firenze, Dipartimento di Psicologia dove ho partecipato a diversi studi di validazione di strumenti di
misura e analisi dei dati.
Ho svolto i restanti sei mesi presso il Comune di Scandicci in un progetto sulla prevenzione dell'abbandono scolastico.
Madrelingua
Italiana
Lingue straniere
Inglese
Capacità e competenze tecniche:
Ottima conoscenza degli strumenti di navigazione web. Buona conoscenza del Sistema Operativo Windows Xp e del Pacchetto Office. Durante gli studi ho
avuto modo di utilizzare diversi software fra cui R, SPSS, AmosGraphics, Origin, Matlab e Mathematica con cui ho svolto anche il lavoro di tesi.
pubblicazioni non disponibili
2.
LAURO GROTTO Rosapia
Curriculum:
Rosapia Lauro-Grotto, nata a Roma il 31/01/1969, ha conseguito presso l'Ateneo romano de La Sapienza la Laurea in Fisica Teorica con Lode e
successivamente presso la SISSA di Trieste il Dottorato di Ricerca in Neuroscienze Cognitive e l'European Diploma in Cognitive Sciences.
Dal 2001 è Ricercatore (Sett.Disciplinare M-PSI/03) presso il Dipartimento di Psicologia dell'Università di Firenze, e presso il diversi Corsi di Laurea della
Facoltà di Psicologia ha ottenuto in affidamento i corsi di Intelligenza Artificiale (M-PSI/01), Modelli Computazionali dei Processi Cognitivi (M-PSI/03) e
Tecniche di Ricerca Psicologica ed Analisi dei Dati (M-PSI/03). E' membro del Consiglio dei Docenti del Dottorato di Ricerca in Psicologia e di quello in
Dinamica Non Lineare e Sistemi Complessi. Nel 2008, a seguito di un ri-orientamento degli interessi di ricerca, ottiene il passaggio al Settore Scientifico
Disciplinare M-PSI/07: attualmente svolge attività di ricerca in due ambiti correlati: l'area della ricerca concettuale in psiconalisi, con particolare riferimento
allo sviluppo di modelli formali per i processi di pensiero primario e secondario e l'ambito dello sviluppo di metodologie di studio informate alle conoscenze
psicodinamiche e all'approccio fenomenologico-ermeneutico, con particolare riferimento alla ricerca e all'intervento in psico-oncologia pediatrica.
Pubblicazioni:
LAURO GROTTO R., S.SALVATORE, A. GENNARO, O. GELO (2009). Strains for grasping the dinamicity of intersujectivity. In: J.Valsiner, P.Molenaar,
M.Lyra, N.Chaudhary. Dynamic Process Methodology in the Social and Developmental Sciences. p. 171-190, New York: Springer, ISBN/ISSN:
978-0-387-95921-4
S. SALVATORE, LAURO GROTTO R., A. GENNARO, O. GELO (2009). The unbearable dynamicity of the psychological processes: highlights from the
psychodynamic theories. In: J. Valsiner, P. Molenaar, M.Lyra, N. Chaudhary. Dynamic Process Methodology in the Social and Developmental Sciences. p.
1-30, New York: Springer, ISBN/ISSN: 978-0-387-95921-4
LAURO GROTTO R., E.CIARAMELLI, C.PICCINI, A.TREVES (2007). Differential impact of brain damage on the access mode to memory
representations: an information theoretic approach. EUROPEAN JOURNAL OF NEUROSCIENCE, vol. 26; p. 2702-2712, ISSN: 0953-816X
CIARAMELLI E, LAURO GROTTO R., TREVES A (2006). Dissociating episodic from semantic access mode by mutual information measures: evidence
from aging and Alzheimer's didease. JOURNAL OF PHYSIOLOGY, vol. 100; p. 142-153, ISSN: 0928-4257
MORELLI A, LAURO GROTTO R., ARECCHI F.T (2006). Neural coding for the retrieval of multiple memory patterns. BIOSYSTEMS, vol. 86; p.
100-109, ISSN: 0303-2647
A. MORELLI, LAURO GROTTO R., F. ARECCHI (2005). A FEATURE-BASED MODEL OF SEMANTIC MEMORY: THE IMPORTANCE OF BEING
CHAOTIC. In: Brain Vision and Artificial Intelligence, BVAI 2005, Naples, Italy. Napoli, 19-21 Ottobre 2005DEGREGORIO M., DIMAIO V., FRUCCI M.,
MUSIO C., vol. Brain, Vision and Artificial I, p. 328-337, ISBN/ISSN: 3540292829
A. MORELLI, LAURO GROTTO R., F. ARECCHI (2005). Associative memory dynamics in a chaotic neural network: simultaneous retrieval of overlapping
patterns. In: D. Aquilano, M.Bezzi, V.Capasso, G.Naldi, T.Nieus, O.Rizzo, M.Sala. Industry days 2003-2004. p. 189-196, Bologna: AQUILANO, BEZI,
CAPASSI, MICHELETTI, NALDI, NIUES,, ISBN/ISSN: 8874881096
S. RUSSO, LAURO GROTTO R. (2004). Regole, eccezioni e specializzazione funzionale. SISTEMI INTELLIGENTI, vol. 1; p. 93-112, ISSN: 1120-9550
LAURO GROTTO R., M. VIRASORO, S. REICH (1997). THE COMPUTATIONAL ROLE OF CONSCIOUS PROCESSING IN A MODEL OF
SEMANTIC MEMORY. In: M. Ito, Y. Miyashita,E.T. Rolls. Cognition, Computation, and Consciousness. p. 248-263, New York, U.S.A.: MIYASHITA M,
ITO M., ROLLS E, ISBN/ISSN: 9780198524144
3.
VANNUCCI Manila
Curriculum:
CURRICULUM VITAE
Dott.ssa Manila Vannucci
Ricercatrice confermata, settore M-PSI/01 (Psicologia Generale)
Dipartimento di Psicologia, Università degli Studi di Firenze
Via di San Salvi 12, Padiglione 26, 50135, Firenze (Italia)
Tel: +39-055-6237863; Fax: +39-055-6236047
Email: [email protected]; [email protected]
-Dati anagrafici
Luogo e data di nascita Viareggio, 30.01.1974
Cittadinanza: Italiana
Residenza: Via Pacinotti 180, 55049 Viareggio (LU)
-Interessi di ricerca
°Identificazione visiva di oggetti
°Immaginazione mentale visiva
°Memoria visiva e distorsioni di memoria
Questi processi sono studiati su individui neurologicamente sani (adolescenti, giovani adulti e anziani) e su pazienti neuropsicologici (epilessia al lobo
temporale, sindrome di Alzheimer), usando tecniche comportamentali e elettrofisiologiche (potenziali correlati ad eventi di superficie e intracranici)
-Studi e titoli accademici e scientifici
Da 01/2004: Ricercatrice universitaria per il settore scientifico disciplinare M-PSI/01 (Psicologia Generale), Facoltà di Psicologia, Università degli Studi di
Firenze. Afferisce al Dipartimento di Psicologia. Dal 26/02/2007 è confermata nel ruolo di ricercatrice universitaria.
2000/2003: Dottorato in Psicologia e Scienze Cognitive (XV ciclo), (Dipartimento di Psicologia, Università degli Studi di Firenze)
Tesi di dottorato: Meccanismi neurali del riconoscimento visivo di oggetti: il ruolo dell'ippocampo nella identificazione visiva di oggetti. Supervisori: Prof. L.
Mecacci (Dipartimento di Psicologia, Firenze) e Dr. T. Grunwald (Department of Epileptology, University of Bonn)
1997: Laurea in Psicologia (Facoltà di Scienze della Formazione, Università degli Studi di Firenze). Votazione: 110/110 e lode.
Tesi di laurea: Prepotenze fra pari a scuola: atteggiamenti e disimpegno morale in soggetti della Versilia. Relatore: Prof. ssa A. Fonzi.
1992: Diploma di maturità Sperimentale Psico-pedagogico (Liceo Psico-pedagogico, Viareggio). Votazione: 60/60.
-Tirocini e abilitazioni professionali
1999.Abilitazione all'esercizio della professione di psicologo (superamento degli esami di stato, 1° sessione, Maggio1999)
1998 - 1999. Tirocinio post-lauream: I semestre, tirocinio in Psicologia Sperimentale presso il Laboratorio di Psicofisiologia, Dipartimento di Psicologia,
Università degli Studi di Firenze; II semestre, tirocinio in Psicologia Clinica presso il Laboratorio di Psicologia della Salute, Dipartimento di Psicologia,
Università degli Studi di Firenze.
-Attività scientifica in centri italiani e stranieri - Borse di studio e di ricerca
05/2009-06/2009 Missione e soggiorno di ricerca all'estero presso il Department of Clinical Neurophysiology, Swiss Epilepsy Center, Zurich, Switzerland.
05/2006-06/2006 Borsa di “Short Term Mobility” (indetta dal Consiglio Nazionale delle Ricerche, CNR, Roma), per un soggiorno di ricerca presso il
Department of Clinical Neurophysiology, Swiss Epilepsy Center, Zurich, Switzerland.
2000- 2002. Soggiorno di ricerca all'estero, svolto durante il Dottorato in Psicologia e Scienze Cognitive, presso il Laboratory of Intracranial Cognitive
Potentials, Department of Epileptology, University of Bonn, Germany (Supervisore: Dr. T. Grunwald).
07/2001-08/2001 Soggiorno di ricerca presso il Department of Psychology, University of California, Berkeley (USA) (supervisore: Dr. C. Ranganath).
03/2000-06/2001. Attività di ricerca svolta durante il dottorato, presso il Laboratorio di Psicofisiologia, Dipartimento di Psicologia, Università degli Studi di
Firenze (Supervisore: Prof. L. Mecacci).
03/2000-03/2003. Borsa di dottorato, Dottorato in Psicologia e Scienze Cognitive, Dipartimento di Psicologia, Università degli Studi di Firenze.
03/1999-03/2000 Borsa di studio post-lauream, annuale, per la frequenza di un corso di perfezionamento all'estero (indetta dalla Università “La Sapienza”,
Roma). Ha usufruito della borsa con un soggiorno di ricerca presso il Laboratory of Intracranial Cognitive Potentials, Department of Epileptology, University
of Bonn, Germany (Supervisore: Dr. T. Grunwald).
11/1997-03/1999 Collaborazione ad attività di ricerca presso il Laboratorio di Psicofisiologia, Dipartimento di Psicologia, Università degli Studi di Firenze
(Supervisore: Prof. L. Mecacci).
-Attuali collaborazioni internazionali
Dr. T. Grunwald. Department of Neurophysiology, Swiss Epilepsy Center, Zurich, Switzerland. Basi neurali del riconoscimento visivo di oggetti e della
memoria visuo-spaziale. Basi neurali dell'esperienza estetica (“sublime”).
Prof. H. Muehlmann. University of Arts and Design, University of Karlsruhe Germany. Architettura “sublime”: processing visivo di stimoli archittettonici con
diverse proprietà estetiche.
Prof. G. Mazzoni. Department of Psychology, University of Hull, UK.
False memorie, esperienze dissociative, suggestionabilità ipnotica.
Prof. H. Kojima. Department of Psychology, University of Kanazawa, Japan. Esperienza estetica per stimoli artistici: effetto della cultura.
-Finanziamenti di ricerca
2010. Finanziamento dell'Università degli Studi di Firenze (“fondo di ricerca di ateneo”). Progetto: Invecchiamento e false memorie indotte da false
identificazioni visive: il ruolo dei processi di codifica e di recupero. E' stata responsabile dell'unità operativa.
2009. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: “Bisogno di controllo e percezione visiva: il
bisogno di controllo favorisce il riconoscimento visivo di oggetti?”. E' stata responsabile dell'unità operativa.
2008. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: “False memorie visive per oggetti: quando una
falsa identificazione può diventare una falsa memoria”. E' stata responsabile dell'unità operativa.
2007. Finanziamento MIUR-PRIN 2007. Titolo del progetto generale: “Le relazioni tra pari dall'infanzia all'adolescenza: fattori adattivi e maladattivi”. Titolo
del progetto supervisionato dalla Dott. ssa Vannucci: Correlati cognitivi e mnestici del comportamento delinquenziale e aggressivo (agito e subito).
Coordinatore scientifico nazionale: Dott. ssa Cattelino. Coordinatore dell'Unità di Firenze: Prof.ssa Menesini.
2007. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto:“Differenze individuali nell'Immaginazione
mentale pittorica in soggetti anziani: Correlati percettivi e mnestici”. E' stata responsabile dell'unità operativa.
2006. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: “L'effetto dell'expertise sugli stili cognitivi
immaginativi: uno studio sui musicisti”. E' stata responsabile dell'unità operativa.
2005. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Immaginazione mentale e Stili cognitivi: false
memorie in “Immaginatori per oggetti” e Immaginatori per relazioni spaziali”. E' stata responsabile dell'unità operativa.
2004. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Deficit di riconoscimento visivo di oggetti in
pazienti Alzheimer: indici elettrofisiologici dei processi “covert” e “overt”. Ha partecipato come membro dell'unità operativa. Responsabile unità operativa:
Prof. ssa M. P. Viggiano.
2002. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Elaborazione fisica e cognitiva degli stimoli
visivi: evidenza comportamentale e elettrofisiologica. E' stata membro dell'unità operativa. Responsabile unità operativa: Prof. ssa M. P. Viggiano.
2001. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Elaborazione fisica e cognitiva degli stimoli
visivi: evidenza comportamentale e elettrofisiologica (continuazione). E' stata membro dell'unità operativa. Responsabile unità operativa: Prof. ssa M. P.
Viggiano.
2000. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Effetto delle proprietà fisiche dello stimolo sul
processo di categorizzazione semantica. E' stata membro dell'unità operativa. Responsabile unità operativa: Prof. ssa M. P. Viggiano.
1999. Finanziamento di ricerca dell'Università degli Studi di Firenze (“Fondo di ricerca di ateneo”). Progetto: Effetto delle caratteristiche percettive e
semantiche dello stimolo sul riconoscimento visivo di oggetti. E' stata membro dell'unità operativa. Responsabile unità operativa: Prof. ssa M. P. Viggiano.
Attività didattica
-Corsi universitari
a.a.2011/2012. Affidamento dell'insegnamento di Psicologia della Memoria (6 CFU), Corso di Laurea Magistrale in Psicologia, Facoltà di Psicologia,
a.a.2009/2010. Affidamento dell'insegnamento di Psicologia Generale (9 CFU), Corso di Laurea in Scienze e Tecniche di Psicologia, Facoltà di Psicologia,
a.a.2008/2009. Affidamento dell'insegnamento di Psicologia Generale (9 CFU), Corso di Laurea in Scienze e Tecniche di Psicologia, Facoltà di Psicologia,
a.a.2007/2008. Affidamento dell'insegnamento di Psicologia Generale (9 CFU), Corso di Laurea in Scienze e Tecniche di Psicologia dello Sviluppo e
dell'Educazione, Facoltà di Psicologia, Università degli Studi di Firenze.
a.a.2004/2005. Affidamento dell'insegnamento di Psicologia Generale (9 CFU), Corso di Laurea in Scienze e Tecniche di Psicologia Clinica e di Comunità,
Facoltà di Psicologia, Università degli Studi di Firenze.
a.a.2003/2004. Contratto per l'insegnamento di Psicologia Generale (9 CFU), Corso di Laurea in Scienze e Tecniche di Psicologia Clinica e di Comunità,
Facoltà di Psicologia, Università degli Studi di Firenze.
a.a.2002/2003 e 2003/2004. Cultrice della materia per i seguenti insegnamenti: Psicologia Cognitiva (Docente: Prof. ssa M. P. Viggiano), Facoltà di
Psicologia, Università degli Studi di Firenze;
Attenzione e Coscienza ((Docente: Prof. ssa M. P. Viggiano), Facoltà di Psicologia, Università degli Studi di Firenze.
a.a.1997/1998 e 1998/1999. Cultrice della materia per l'insegnamento di Psicologia Generale (Docente: Prof. M. P. Viggiano), Corso di Laurea in Psicologia,
Facoltà di Scienze della Formazione, Università degli Studi di Firenze.
-Corsi post-lauream
a.a.2002/2003 e 2003/2004. Tutor al corso di Perfezionamento post-lauream in Valutazione cognitiva e Neuropsicologica, attivato presso il Dipartimento di
Psicologia, Università degli Studi di Firenze (Direttrice del corso: Prof. ssa M. P. Viggiano).
8/11/2002. Lezione (4 ore) al Master in Neuropsicologia e Neurolinguistica dello Sviluppo e Psicopatologia dell'Apprendimento (Centro Regionale per le
Disabilità Linguistiche e Cognitive in Età evolutiva, Bologna). Titolo della lezione: Metodi e tecniche di ricerca nelle neuroscienze cognitive.
-Altri corsi
a.a.2011/2012. Corso di Psicologia della memoria (10 ore) tenuto presso l'Università dell'Età Libera, Firenze. Titolo del corso: “Ricordi emotivi: cosa succede
quando la memoria si “emoziona”?”
a.a.2010/2011.Corso di Psicologia dell'Arte e dell' Esperienza estetica (10 ore) tenuto presso l'Università dell'Età Libera, Firenze. Titolo del corso: “Dal
Tempio di Vesta al Violinista Verde di Chagall: quando la mente incontra la bellezza nell'arte”.
a.a.2008/2009.Corso di Psicologia della Memoria (20 ore) tenuto presso l'Università dell'Età Libera, Firenze. Titolo del corso: “I vizi della memoria: fra
dimenticanze e false memorie”.
a.a.2007/2008.Corso di Psicologia dell'Immaginazione mentale (10 ore) tenuto presso l'Università dell'Età Libera di Firenze. Titolo del corso: “Quando la
mente pensa per immagini: Psicologia dell'Immaginazione mentale”.
a.a.2006/2007.Corso di Psicologia della Memoria (10 ore), tenuto presso l'Università dell'Età Libera di Firenze. Titolo del corso: “Come si ricorda, come si
dimentica: Psicologia della memoria”.
-Seminari/conferenze in Italia e all'estero (selezione)
Dal 3/12/2011 al 14/12/2011. 4 seminari (2 ore ciascuno) tenuti presso il Dipartimento di Psicologia dell'Università di Hull (UK), rivolti a laureati in
psicologia e studenti del Dottorato in Psicologia. I seminari hanno riguardato le tematiche del riconoscimento visivo di oggetti, memoria visiva e della
percezione estetica.
Marzo 2011. Due lezioni (4 ore) svolta all'interno dell'insegnamento di Psicologia del Rischio nello Sviluppo Sociale (Docente: Prof. Annalaura Nocentini),
presso il Corso di laurea Magistrale in Psicologia, Facoltà di Psicologia, Università degli Studi di Firenze. Titolo delle lezioni: “Maltrattamento infantile e
memoria: un percorso di ricerca.
15/06/2011 e 17/06/2011. Due seminari rivolti a laureati in Psicologia e specializzandi in neurologia e allo staff del C. RE. CER (Center for Brain Injury
Rehabilitation)/Faculty of Psychology, University of Seville (Spagna). Titolo dei seminari: “The contribution of the hippocampus to visual object processing:
evidence from TLE patient” e “Visual learning and visual object recognition in TLE patients: the contribution of cognitive neuroscience to cognitive
neuropsychology”.
22/01/2010. Due seminari, rivolti a medici, psicologi e logopedisti del Modulo di Neuropsicologia Riabilitativa, del Dipartimento di Medicina Riabilitativa,
Ospedale di Riabilitazione San Giorgio, Ferrara. Titolo dei seminari: “Il contributo dell'Ippocampo al processing visivo di oggetti: evidenze elettrofisiologiche
in pazienti con epilessia al lobo temporale” e “Io penso per immagini, tu pensi per parole: rilettura neurocognitiva del modello Visualizzatore /Verbalizzatore”
17/12/2009. Conferenza all'interno dell'iniziativa “Salotti didattico-culturali”, iniziativa finanziata dall'Ateneo dell'Università di Firenze, nell'ambito delle
iniziative culturali per studenti. Titolo della conferenza: Dal tempio di Vesta al Violinista verde di Chagall: basi neurali dell'esperienza estetica dell'arte.
10/11/2009. Lezione al Corso di Perfezionamento su “Aspetti psicologici nella raccolta di informazioni testimoniali e nella comunicazione”, organizzato dalla
Questura di Firenze, in collaborazione con la Facoltà di Psicologia. Titolo della lezione (4 ore): “Psicologia della memoria: fra ricordi veri e ricordi falsi”.
18/06/2009. Seminario (2 ore) rivolto ai membri del Dipartimento di Psicologia dell'Università di Tromsø (Norvegia), sulla tematica delle basi neurali del
processing visivo di oggetti con differenti proprietà estetiche. Titolo del seminario: The contribution of medial temporal lobe to the processing of aestethic
properties of visual objects: evidence from surface ERPs.
15/06/2009; 16/06/2009. Due seminari (2 ore ciascuno) tenuti presso il Dipartimento di Psicologia dell'Università di Tromsø (Norvegia), rivolti agli studenti
del master in Psicologia Clinica e del Dottorato in Psicologia. I seminari hanno riguardato le tematiche del riconoscimento visivo di oggetti e processi di
categorizzazione e delle differenze individuali nell'immaginazione visiva e spaziale.
23/05/2009.Lezione alla scuola di Dottorato in Psicologia, Università degli Studi di Genova. Titolo della lezione: “io penso per immagini, tu pensi per parole:
rilettura neurocognitiva del modello Verbalizzatore/Visualizzatore”.
19/09/2008.Seminario (1 ora) rivolto ai membri del Dipartimento di Psicologia Sperimentale, dello Sviluppo e dell'Educazione e del Dipartimento di
Psicobiologia e Metodologia dell' Università Autonoma di Barcellona (UAB). Titolo del seminario-conferenza: Visual learning and visual object identification
in temporal lobe epilepsy patients: the contribution of cognitive neuroscience to cognitive neuropsychology.
16/09/2008 e 19/09/2008. Due seminari (2 ore ciascuno) tenuti presso la Facoltà di Psicologia dell'Università Autonoma di Barcellona, e rivolte agli studenti
del Dottorato in Percezione, Comunicazione e Tempo (Doctorado en Percepció, Comunicació i Temps). I seminari hanno riguardato tematiche di metodologia
della ricerca (titolo della lezione: When the technique matters: the contribution of intracranial event-related potentials (ERPs) to the study of visual
perception) e percezione e memoria visiva (titolo della lezione: Neural bases of visual object identification and visual memory: which role for the
hippocampus proper?).
15/05/2008.Seminario svolto all'interno della giornata di studi interdisciplinare su “Il peso della bellezza”, organizzata dalla Facoltà di Psicologia
dell'Università degli Studi di Firenze. Titolo del seminario: “Basi neurali del sublime: il cervello è artistico?”.
23/03/2008; 11/04/2008. Seminario (4 ore) svolto all'interno dell'insegnamento di Psicologia dello Sviluppo Sociale (Docente: Prof. E. Menesini), presso il
Corso di laurea Specialistica in Psicologia dello Sviluppo e dell'Educazione, Facoltà di Psicologia, Università degli Studi di Firenze. Titolo del seminario:
“Memorie e false memorie negli anziani”.
13/02/2008. Seminario (2 ore) tenuto presso il Dipartimento di Psicologia di Firenze, e rivolto agli studenti della Scuola di Dottorato in Psicologia e allo staff
del dipartimento. Titolo del seminario: “Differenze individuali nell'immaginazione mentale: correlati percettivi e mnestici”:
-Altri incarichi didattici
Dal 2011 ad oggi. Membro del corpo docente, Dottorato in Università degli Studi di Pisa.
Dal 2010 ad oggi. Membro del corpo docente della Scuola di Dottorato in Psicologia e Neuroscienze, Università degli Studi di Firenze.
Dal 2006 al 2009. Membro del Collegio Docenti della Scuola di Dottorato in Psicologia, Università degli Studi di Firenze.
2004/2005. Membro del Collegio di Dottorato in Psicologia e Scienze Cognitive (XIX ciclo), Università degli Studi di Firenze.
-Incarichi gestionali/amministrativi di Facoltà
Dal 3/2011. Delegato della Facoltà di Psicologia per il sito web di Facoltà
Dal 1/2009 al 4/2009 e dal 2/2010 ad oggi. Membro della commissione per la Internazionalizzazione (Erasmus/Leonardo/Socrates) della Facoltà di Psicologia,
Dal 12/2008 ad oggi. Membro della commissione di Tutoraggio e Orientamento (“docente tutor”) della Facoltà di Psicologia, Università degli Studi di
Firenze.
Dal 11/2006 al 12/2008 Delegato per il Programma Erasmus/Socrates, presso il Corso di Laurea in Psicologia dello Sviluppo e dell'Educazione, Facoltà di
Psicologia, Università degli Studi di Firenze.
Dal 10/2005 al 12/2008 Membro della commissione Tutoraggio-Orientamento e Pratiche studenti del Corso di Laurea in Psicologia dello Sviluppo e
-Incarichi amministrativi e istituzionali di Dipartimento
Dal 10/2004 al 3/2009. Membro della commissione Biblioteca del Dipartimento di Psicologia, Firenze.
Dal 10/2004 al 10/2007. Membro della Giunta del Dipartimento di Psicologia, Firenze.
-Appartenenza a ordini professionali e società scientifiche
Dal 2004 al 2009. Membro del SARMAC (Society for Applied Research in Memory and Cognition)
Dal 2004. Membro dell' Ordine degli Psicologi della Toscana (numero di iscrizione 3465)
Pubblicazioni:
VANNUCCI M., A.Nocentini, G.Mazzoni, E.Menesini (2012). Recalling unpresented hostile words: false memories predictors of traditional and
cyberbullying. THE EUROPEAN JOURNAL OF DEVELOPMENTAL PSYCHOLOGY, vol. 9; p. 182-194, ISSN: 1740-5629
VANNUCCI M., G.Mazzoni, I.Marchetti, F.Lavezzini (2012). “It's a hair-dryer. No, it's a drill”. Misidentification-related false recognitions in younger and
older adults. ARCHIVES OF GERONTOLOGY AND GERIATRICS, vol. 54; p. 310-316, ISSN: 0167-4943
A.Vittori, G.Mazzoni, VANNUCCI M. (2011). It's a hairbrush…no, it's an artichoke”. Misidentification-related false recognitions in younger and older adults.
In: -. Toulouse (France), 28 agosto-1 settembre 2011-, p. 126-126
VANNUCCI M., G.MAZZONI (2011). Memoria. In: G.Mazzoni. Psicologia della testimonianza. p. 68-91, Roma: Carocci Editore, ISBN/ISSN:
9788843057177
VANNUCCI M., G.MAZZONI, G.CARTOCCI (2011). Lack of control enhances accurate and inaccurate identification responses to degraded visual objects.
PSYCHONOMIC BULLETIN & REVIEW, vol. 18; p. 524-530, ISSN: 1069-9384
VANNUCCI M., S.Gori, H.Kojima (2011). Architectural ranking and aesthetic perception: Cross-cultural differences between Western and Eastern culture.
I. OPPENHEIM, VANNUCCI M., E. MUELHMAN, R. GABRIEL, H. JOKEIT, M. KURTHEN, G. KRAEMER, T. GRUNWALD. (2010). Hippocampal
contributions to the processing of architectural ranking. NEUROIMAGE, vol. 50; p. 742-752, ISSN: 1053-8119
G. MAZZONI, E. ROTRIQUENZ, C. CARVALHO, VANNUCCI M., K. ROBERTS, I. KIRSCH (2009). Suggested Visual Hallucinations In and Out of
Hypnosis. CONSCIOUSNESS AND COGNITION, vol. 18; p. 494-499, ISSN: 1053-8100
VANNUCCI M., G.MAZZONI (2009). Individual differences in Object and Spatial Imagery: Personality correlates. PERSONALITY AND INDIVIDUAL
DIFFERENCES, vol. 46; p. 402-405, ISSN: 0191-8869
VANNUCCI M. (2008). Quando la memoria ci inganna: La psicologia delle false memorie. ROMA: Carocci
VANNUCCI M., G. MAZZONI, C. CHIORRI, L. CIOLI (2008). Object Imagery and Object Identification: Object Imagers are better at identifying
spatially-filtered visual objects. COGNITIVE PROCESSING, vol. 9; p. 137-143, ISSN: 1612-4782
VANNUCCI M., N. Pezer, C. Helmstaedter, C. Schaller, M.P. Viggiano, C. Elger, T. Grunwald. (2008). Hippocampal response to visual objects is related to
visual memory functioning. NEUROREPORT, vol. 19; p. 965-968, ISSN: 0959-4965
G.MAZZONI, VANNUCCI M. (2007). Hindsight bias, the misinformation effect and false autobiographical memories. SOCIAL COGNITION, vol. 25; p.
25-46, ISSN: 0278-016X
M.P. VIGGIANO, G. GORI, G. ZACCARA, S. RIGHI, VANNUCCI M., F. GIOVANNELLI (2007). Category-specific visual identification of of filtered
objects in Alzheimer's disease. ARCHIVES OF GERONTOLOGY AND GERIATRICS, vol. 44; p. 125-139, ISSN: 0167-4943
T. GRUNWALD, VANNUCCI M., N. PEZER, M. KURTHEN, J. SCHRAMM, CE. ELGER (2007). Gender specific processing of eye contact within the
human medial temporal lobe. CLINICAL EEG AND NEUROSCIENCE, vol. 38; p. 143-147, ISSN: 1550-0594
VANNUCCI M. (2007). Visual memory in temporal lobe epilepsy: toward a multifactorial approach. CLINICAL EEG AND NEUROSCIENCE, vol. 38; p.
18-24, ISSN: 1550-0594
VANNUCCI M., G. MAZZONI (2006). DISSOCIATIVE EXPERIENCES AND MENTAL IMAGERY IN UNDERGRADUATE STUDENTS: WHEN
MENTAL IMAGES ARE USED TO FORESEE UNCERTAIN FUTURE EVENTS. PERSONALITY AND INDIVIDUAL DIFFERENCES, vol. 41; p.
1143-1153, ISSN: 0191-8869
VANNUCCI M., T. GRUNWALD, N. PEZER, T. DIETL, C. HELMSTAEDTER, C. SCHALLER, MP. VIGGIANO, CE. ELGER (2006). Hippocampus
proper distinguishes between identified and unidentified real-life visual objects: an intracranial ERP study. NEUROSCIENCE LETTERS, vol. 401; p.
165-170, ISSN: 0304-3940
T. DIETL, P. TRAUTNER, M. STAEDTGEN, VANNUCCI M., A. MECKLINGER, T. GRUNWALD, H. CLUSMAN, CE. ELGER, M. KURTHEN (2005).
Processing of famous faces and medial temporal lobe event-related potentials: a depth electrode study. NEUROIMAGE, vol. 25; p. 401-407, ISSN:
1053-8119
M.P. VIGGIANO, A. COSTANTINI, VANNUCCI M., S. RIGHI (2004). Hemispheric asymmetry for spatially filtered stimuli belongin to different semantic
categories. COGNITIVE BRAIN RESEARCH, vol. 20; p. 519-524, ISSN: 0926-6410
M.P. VIGGIANO, VANNUCCI M., S. RIGHI (2004). A new standardised set of ecological pictures for experimental and clinical research on visual object
processing. CORTEX, vol. 40; p. 491-509, ISSN: 0010-9452
T. GRUNWALD, VANNUCCI M. (2004). Cognition related potentials in the definition of functional deficit zones. In: LUDERS H.O., ROSENOW F..
Handbook of Clinical Neurophysiology. p. 501-511, NEW YORK: Elsevier
VANNUCCI M. (2004). TEST E SCALE. In: VIGGIANO M.P.. VALUTAZIONE COGNITIVA E NEUROPSICOLOGICA NEL BAMBINO,
NELL'ADULTO E NELL'ANZIANO. p. 41-69, ROMA: Carocci
VIGGIANO M.P., COSTANTINI A., VANNUCCI M., RIGHI S. (2004). Hemispheric asymmetry for spatially filtered stimuli belonging to different
semantic categories. COGNITIVE BRAIN RESEARCH, vol. 20; p. 519-524, ISSN: 0926-6410
VANNUCCI M., M.P. VIGGIANO, F. ARGENTI (2001). Identification of spatially filtered stimuli as function of the semantic category. COGNITIVE
VANNUCCI M., VIGGIANO M.P., ARGENTI F. (2001). Identification of spatially filtered objects as function of semantic categories. COGNITIVE BRAIN
RESEARCH, vol. 12; p. 475-478, ISSN: 0926-6410
VIGGIANO M.P, BORELLI P, VANNUCCI M., ROCCHETTI G (2001). Hand preference in italian students. LATERALITY, vol. 6; p. 283-286, ISSN:
1357-650X
VANNUCCI M., M.P. VIGGIANO (2000). Category effects on the processing of plane-rotated objects. PERCEPTION, vol. 29; p. 287-302, ISSN: 0301-0066
G. MAZZONI, VANNUCCI M., E. LOFTUS (1999). MISREMEMBERING STORY MATERIAL. LEGAL AND CRIMINOLOGICAL PSYCHOLOGY,
vol. 4; p. 93-110, ISSN: 1355-3259
G. MAZZONI, VANNUCCI M. (1998). RICORDO O CONOSCO: QUANDO GLI ERRORI DI MEMORIA SONO CONSIDERATI RICORDI VERI.
GIORNALE ITALIANO DI PSICOLOGIA, vol. XXV; p. 79-99, ISSN: 0390-5349
Testo inglese
1.
BENEDETTI Daniele
Curriculum:
Benedetti Daniele
13, Guerrazzi Street, Viareggio, Italy
3287082495
[email protected]
Education
2011-present: I attend the PhD in Psychology and Neuroscience at Florence University under the supervision of Prof. M. M. Del Viva.
2010: Specialist Degree (110/110 cum laude) in Experimental Psychology at Florence University, Department of Psychology. Thesis Study of limitation of
brain resources on the early visual processing under the supervision of Prof. M. M. Del Viva, was an original research work on the early stage of visual
analysis
2008: Short Degree (104/110) in General and Experimental Psychology at Florence Univeristy.
Thesis The linguistic parsing under the supervision of Prof. M. M. Del Viva, was an a review of most important study on the language development.
Conferences participation
May-2011: I presented a poster as first author at the Vision Science Society annual meeting, VSS 2011, Neaples, Florida.
Apr-2011: I attended the Chicago University visiting the laboratory of Prof. Steve Shevell for one month where I performed a series of study on the role of
color in the initial stages of visual processing.
Dec-2010: I took part at I International Psychogroup Workshop 2010 with a talk:
The limited availability of brain resources determines the structures of early visual processing.
Publications
Primi, C., Narducci, R., Benedetti, D., Donati, M. & Chiesi, F. (2011) Validity and reliability of the italian version of the Brief Sensation Seeking Scale
(BSSS) and its invariance across age and gender. TPM, 18(4), 1-11.
Benedetti, D., Cello, F., Agostini, R., Punzi, G. & Del Viva, M. M. (2011) How much contrast information is needed for reliable fast image recognition?
J.Vision, 11(11), 1065.
Del Viva M. M., Agostini R., Benedetti D. & Punzi G., (2010) The limited availability of brain resources determines the structures of early visual processing.
J. Vision, 10(7), 1360.
Further Information
Sep2010-Sep2011: I did the first six months of my professional training for the qualification of psychologist at the laboratory of methodology of Prof. Primi at
Florence University, Department of Psychology. I did the other six months at the Municipality of Scandicci with a prevention project of early school leavers.
Mother language
Italian
Foreign Languages
English
Capacità e competenze tecniche:
Excellent knowledge of web navigation tools. Good knowledge of Windows XP Operating System and Office Suite. During my studies I became familiar with
different software including R, SPSS, AmosGraphics, Origin, Matlab and Mathematica.
pubblicazioni non disponibili
2.
LAURO GROTTO Rosapia
Curriculum:
Pubblicazioni:
LAURO GROTTO R., S.SALVATORE, A. GENNARO, O. GELO (2009). Strains for grasping the dinamicity of intersujectivity. In: J.Valsiner, P.Molenaar,
M.Lyra, N.Chaudhary. Dynamic Process Methodology in the Social and Developmental Sciences. p. 171-190, New York: Springer, ISBN/ISSN:
978-0-387-95921-4
S. SALVATORE, LAURO GROTTO R., A. GENNARO, O. GELO (2009). The unbearable dynamicity of the psychological processes: highlights from the
psychodynamic theories. In: J. Valsiner, P. Molenaar, M.Lyra, N. Chaudhary. Dynamic Process Methodology in the Social and Developmental Sciences. p.
1-30, New York: Springer, ISBN/ISSN: 978-0-387-95921-4
LAURO GROTTO R., E.CIARAMELLI, C.PICCINI, A.TREVES (2007). Differential impact of brain damage on the access mode to memory
representations: an information theoretic approach. EUROPEAN JOURNAL OF NEUROSCIENCE, vol. 26; p. 2702-2712, ISSN: 0953-816X
CIARAMELLI E, LAURO GROTTO R., TREVES A (2006). Dissociating episodic from semantic access mode by mutual information measures: evidence
from aging and Alzheimer's didease. JOURNAL OF PHYSIOLOGY, vol. 100; p. 142-153, ISSN: 0928-4257
MORELLI A, LAURO GROTTO R., ARECCHI F.T (2006). Neural coding for the retrieval of multiple memory patterns. BIOSYSTEMS, vol. 86; p.
100-109, ISSN: 0303-2647
A. MORELLI, LAURO GROTTO R., F. ARECCHI (2005). A FEATURE-BASED MODEL OF SEMANTIC MEMORY: THE IMPORTANCE OF BEING
CHAOTIC. In: Brain Vision and Artificial Intelligence, BVAI 2005, Naples, Italy. Napoli, 19-21 Ottobre 2005DEGREGORIO M., DIMAIO V., FRUCCI M.,
MUSIO C., vol. Brain, Vision and Artificial I, p. 328-337, ISBN/ISSN: 3540292829
A. MORELLI, LAURO GROTTO R., F. ARECCHI (2005). Associative memory dynamics in a chaotic neural network: simultaneous retrieval of overlapping
patterns. In: D. Aquilano, M.Bezzi, V.Capasso, G.Naldi, T.Nieus, O.Rizzo, M.Sala. Industry days 2003-2004. p. 189-196, Bologna: AQUILANO, BEZI,
CAPASSI, MICHELETTI, NALDI, NIUES,, ISBN/ISSN: 8874881096
S. RUSSO, LAURO GROTTO R. (2004). Regole, eccezioni e specializzazione funzionale. SISTEMI INTELLIGENTI, vol. 1; p. 93-112, ISSN: 1120-9550
LAURO GROTTO R., M. VIRASORO, S. REICH (1997). THE COMPUTATIONAL ROLE OF CONSCIOUS PROCESSING IN A MODEL OF
SEMANTIC MEMORY. In: M. Ito, Y. Miyashita,E.T. Rolls. Cognition, Computation, and Consciousness. p. 248-263, New York, U.S.A.: MIYASHITA M,
ITO M., ROLLS E, ISBN/ISSN: 9780198524144
3.
VANNUCCI Manila
Curriculum:
Dr. Manila Vannucci, PhD.
Name: Vannucci First name: Manila
Birth place and date: Viareggio (Italy), 30/01/1974
Nationality: Italian
Address: Department of Psychology, Via di San Salvi 12, Padiglione 26
Phone: 0039-055-6237862
Fax: 0039-055-6236047
Email: [email protected]
____________________________________________________________________
Current Position
___________________________________________________________________
Assistant Professor (2004-present) and Senior Scientist (2007-present)
Category of Contract: Permanent position; full time contract
Institution: Department of Psychology, University of Florence
____________________________________________________________________
Research Interests
____________________________________________________________________
°Visual object processing: object identification and aesthetic processing
°Visual imagery
°Visual learning and memory
°Memory distortions (false memories)
These processes are investigated in healthy subjects (adolescents, younger adults and older adults) and neuropsychological patients (temporal lobe epilepsy
patients and patients with Alzheimer disease), using behavioral (reaction times, self-report questionnaires) and electrophysiological techniques (surface ERPs
and intracranial ERPs with subdural and depht electrodes).
___________________________________________________________________
Education
___________________________________________________________________
2003: Doctorate in Psychology and Cognitive Science (Deparment of Psychology, University of Florence, Italy)
Thesis: Mechanisms and neural bases of visual object recognition: the contribution of the hippocampus in visual object identification.
Advisor: Prof. L. Mecacci
1997: “Laurea” in Psychology (Grade: 110/110 cum laude) (Faculty of Psychology, University of Florence, Italy). Diploma thesis: Bullies and victims in
Italy: attitudes and moral disengagement. Advisor: Prof. A.Fonzi
1992: High School Graduation (Grade: 60/60) (High School in Psychology and Education, Viareggio, Italy)
___________________________________________________________________
Previous Research positions and fellowships
___________________________________________________________________
05/2006-06/2006:Research Fellowship (by Italian Council of National Research,CNR) at the Department of Clinical Neurophysiology, Swiss Epilepsy Center,
Zurich (Switzerland)
09/2001-07/2002:Doctoral scholarship (by University of Florence) at the Laboratory of Intracranial Cognitive Potentials, Department of Epileptology,
University of Bonn (Germany)
03/1999-03/2000:Research scholarship (by University “La Sapienza”, Rome, Italy) at Laboratory of Intracranial Cognitive Potentials, Department of
Epileptology, University of Bonn (Germany)
03/2000-03/2003: Doctoral fellowship, Doctorate in Psychology and Cognitive Sciences, Department of Psychology, University of Florence.
11/1997-03/1999:Supervised post-graduate experience in Experimental Psychology at the Laboratory of Cognitive Psychophysiology, Department of
Psychology, University of Florence (Italy)
___________________________________________________________________
Research Awards
___________________________________________________________________
2000. Project Title: A new standardized set of visual stimuli for research in experimental and clinical research.Awarded by University of Florence (Research
award ”Young Researchers”)
___________________________________________________________________
Grants
___________________________________________________________________
Year: 2010
Project Title: Aging and false memories induced by false visual identifications: the role of the encoding and retrieval processes.
Supported by: University of Florence; Principal investigator: Dr. Manila Vannucci
Year: 2009
Project Title: Lack of control and visual perception: Does lack of control enhance visual object identification?
Year: 2008
Project Title: False memories for visual objects: when a false identification might become a false memory.
Year: 2007
Project Title: Relationships between peer in adolecence: protective and risk factors
Supported by: Italian Ministery of Education, University and Research (MIUR), Rome. PRIN 2007
Principal investigator: National coordinator: Prof. E. Cattelino (Univ. Valle d'Aosta).
Member of the research unit of the University of Florence: Dr. Manila Vannucci (research project supervised by Dr. Vannucci: Executive and memory
functioning in bullies and victims)
Year: 2007
Project Title: Individual differences in mental imagery in elderly: perceptual and mnestic correlates
Year: 2006
Project Title: The effect of the expertise on imaginative cognitive styles: evidence from musicians.
Year: 2005
Project Title: Mental Imagery and Cognitive Style: false memories in “Object Imagers” and “Spatial Imagers”.
Year: 2004
Project Title: Visual object recognition deficits in Alzheimer disease patients: electrophysiological evidence.
Supported by: University of Florence; Principal investigator: Prof. M.P. Viggiano. Member of the research: Dr. Manila Vannucci
Year: 2002
Project Title: The effects of physical properties of visual objects on semantic categorization.
Supported by: University of Florence; Principal investigator: Prof. M.P. Viggiano. Member of the research unit: Dr. Manila Vannucci
Year: 2001
Project Title: Perceptual and semantic processing of visual objects: behavioural and electrophysiological evidence.
Year: 2000
Project Title: Perceptual and semantic processing of visual objects: behavioural and electrophysiological evidence.
Year: 1999
Project Title: The Effects of perceptual and semantic properties of visual stimuli on visual object recognition.
____________________________________________________________________
Current international cooperations
____________________________________________________________________
- Prof. Dr. T. Grunwald (Department of Neurophysiology, Swiss Epilepsy Center, Zurich, Switzerland). Neural correlates of visual object identification and
visual memory; Neural bases of aesthetic experience
- Prof. Heiner Muehlmann (University of Arts and Design, University of Karlsruhe,Germany). Aesthetic experience
- Prof. Dr. Giuliana Mazzoni (Department of Psychology, University of Hull, UK). False memories, Mental Imagery and Dissociative experiences
- Prof. Dr. Haruyuki Kojima (Department of Psychology, University of Kanazawa, Japan) Aesthetic experience (Cross-cultural comparison)
_____________________________________________________________________
Teaching experience - Educational Duties
_____________________________________________________________________
-Undergraduate programs
2011-2012. Instructor: Psychology of Memory (Faculty of Psychology, University of Florence)
2003-2004/2009-2010. Instructor: General Psychology (Faculty of Psychology, University of Florence).
2002-2003. Teaching assistant: Cognitive Psychology and Attention and Consciousness (Prof. M.P. Viggiano, Faculty of Psychology. University of Florence).
1997-1999. Teaching Assistant: General Psychology (Prof. M.P. Viggiano, Faculty of Psychology, University of Florence).
-Post-graduate programs
2009. Instructor: Post-graduate degree in Psychology of Communication and Eye-witness testimony (Faculty of Psychology, University of Florence)
2002-2004. Instructor: Post-graduate degree in Neuropsychological Assessment and Cognitive Evaluation (Department of Psychology, University of
Florence)
2001. Instructor: Master in Developmental Neuropsychology and Learning Disabilities (Center for linguistic and cognitive developmental disabilities,
Bologna)
- Selected Seminars/Conferences abroad (from 2008)
16/09/2008.When the technique matters: the contribution of intracranial event-related potentials (ERPs) to the study of visual perception, seminar at the
Doctorate school in Perception, Communication, Faculty of Psychology, Autonomous University of Barcelona (Spain)
19/09/2008.Visual learning and visual object identification in temporal lobe epilepsy patients: the contribution of cognitive neuroscience to cognitive
neuropsychology, seminar at the Department of Experimental Psychology and Developmental and Educational Psychology Autonomous University of
Barcellona (Spain).
18/06/2009.The contribution of medial temporal lobe to the processing of aesthetic properties of visual objects: evidence from surface ERPs, seminar at the
Department of Psychology, University of Tromsø (Norway).
15/06/2011.The contribution of the hippocampus to visual object processing: evidence from TLE patients, seminar at the C.RE.CER (Center for Brain Injury
Rehabilitation)/Faculty of Psychology, University of Seville (Spain).
17/06/2011.Visual learning and visual object recognition in TLE patients: the contribution of cognitive neuroscience to cognitive neuropsychology, seminar at
the C.RE.CER (Center for Brain Injury Rehabilitation)/Faculty of Psychology, University of Seville (Spain).
from 3/12/2011 to 14/12/2011. Four lessons/seminars at the Department of Psychology, University of Hull (UK) on the following topics: neural bases of
visual object identification; neural bases of aesthetic experience; neuropsychology of memory in TLE patients and electrophysiological studies of memory in
TLE patients
-Other educational duties
2011-present: Member of the teaching staff, Doctorate in Neuroscience (University of Pisa)
2010-present: Member of the teaching staff, Doctorate School in Psychology and Neuroscience (University of Florence)
11/2009-present: Member of the International Relationship Committee (Faculty of Psychology, University of Florence)
11/2006-11/2008: Erasmus-Socrates Delegate (Degree in Developmental Psychology, Faculty of Psychology, University of Florence)
10/2005-present:Member of the Tutoring and Orientation Committee (Degree in Developmental Psychology, Faculty of Psychology, University of Florence)
06/2004-present: Advisor for post-graduate trainees in Experimental Psychology (Department of Psychology, University of Florence)
03/2011-present Delegate (Faculty of Psychology, University of Florence)
10/2004-2009: Member of the teaching staff, Doctorate in Psychology (Department of Psychology, University of Florence)
____________________________________________________________________
Administrative Duties
_____________________________________________________________________
10/2004-10/2008 Member of the Restricted Department Committee (Department of Psychology, University of Florence, Italy); Member of the Library
Committee (Department of Psychology, University of Florence, Italy)
____________________________________________________________________
Clinical Trainings and licenses
____________________________________________________________________
06/1999 Clinical Licence (University of Florence)
09/1998-03/1999 Supervised post-doctoral experience in Clinical Psychology (Laboratory of Health Psychology, Department of Psychology, University of
Florence)
_________________________________________________________________
Membership in Scientific and professional Organizations
_________________________________________________________________
06/2004-Present: Member of the Italian Board of Psychologists
10/2004-2008: Member of SARMAC (Society for Applied Research in Memory and Cognition)
Pubblicazioni:
VANNUCCI M., A.Nocentini, G.Mazzoni, E.Menesini (2012). Recalling unpresented hostile words: false memories predictors of traditional and
cyberbullying. THE EUROPEAN JOURNAL OF DEVELOPMENTAL PSYCHOLOGY, vol. 9; p. 182-194, ISSN: 1740-5629
VANNUCCI M., G.Mazzoni, I.Marchetti, F.Lavezzini (2012). “It's a hair-dryer. No, it's a drill”. Misidentification-related false recognitions in younger and
older adults. ARCHIVES OF GERONTOLOGY AND GERIATRICS, vol. 54; p. 310-316, ISSN: 0167-4943
A.Vittori, G.Mazzoni, VANNUCCI M. (2011). It's a hairbrush…no, it's an artichoke”. Misidentification-related false recognitions in younger and older adults.
VANNUCCI M., G.MAZZONI (2011). Memoria. In: G.Mazzoni. Psicologia della testimonianza. p. 68-91, Roma: Carocci Editore, ISBN/ISSN:
9788843057177
VANNUCCI M., G.MAZZONI, G.CARTOCCI (2011). Lack of control enhances accurate and inaccurate identification responses to degraded visual objects.
PSYCHONOMIC BULLETIN & REVIEW, vol. 18; p. 524-530, ISSN: 1069-9384
VANNUCCI M., S.Gori, H.Kojima (2011). Architectural ranking and aesthetic perception: Cross-cultural differences between Western and Eastern culture.
I. OPPENHEIM, VANNUCCI M., E. MUELHMAN, R. GABRIEL, H. JOKEIT, M. KURTHEN, G. KRAEMER, T. GRUNWALD. (2010). Hippocampal
contributions to the processing of architectural ranking. NEUROIMAGE, vol. 50; p. 742-752, ISSN: 1053-8119
G. MAZZONI, E. ROTRIQUENZ, C. CARVALHO, VANNUCCI M., K. ROBERTS, I. KIRSCH (2009). Suggested Visual Hallucinations In and Out of
Hypnosis. CONSCIOUSNESS AND COGNITION, vol. 18; p. 494-499, ISSN: 1053-8100
VANNUCCI M., G.MAZZONI (2009). Individual differences in Object and Spatial Imagery: Personality correlates. PERSONALITY AND INDIVIDUAL
DIFFERENCES, vol. 46; p. 402-405, ISSN: 0191-8869
VANNUCCI M. (2008). Quando la memoria ci inganna: La psicologia delle false memorie. ROMA: Carocci
VANNUCCI M., G. MAZZONI, C. CHIORRI, L. CIOLI (2008). Object Imagery and Object Identification: Object Imagers are better at identifying
spatially-filtered visual objects. COGNITIVE PROCESSING, vol. 9; p. 137-143, ISSN: 1612-4782
VANNUCCI M., N. Pezer, C. Helmstaedter, C. Schaller, M.P. Viggiano, C. Elger, T. Grunwald. (2008). Hippocampal response to visual objects is related to
visual memory functioning. NEUROREPORT, vol. 19; p. 965-968, ISSN: 0959-4965
G.MAZZONI, VANNUCCI M. (2007). Hindsight bias, the misinformation effect and false autobiographical memories. SOCIAL COGNITION, vol. 25; p.
25-46, ISSN: 0278-016X
M.P. VIGGIANO, G. GORI, G. ZACCARA, S. RIGHI, VANNUCCI M., F. GIOVANNELLI (2007). Category-specific visual identification of of filtered
objects in Alzheimer's disease. ARCHIVES OF GERONTOLOGY AND GERIATRICS, vol. 44; p. 125-139, ISSN: 0167-4943
T. GRUNWALD, VANNUCCI M., N. PEZER, M. KURTHEN, J. SCHRAMM, CE. ELGER (2007). Gender specific processing of eye contact within the
human medial temporal lobe. CLINICAL EEG AND NEUROSCIENCE, vol. 38; p. 143-147, ISSN: 1550-0594
VANNUCCI M. (2007). Visual memory in temporal lobe epilepsy: toward a multifactorial approach. CLINICAL EEG AND NEUROSCIENCE, vol. 38; p.
18-24, ISSN: 1550-0594
VANNUCCI M., G. MAZZONI (2006). DISSOCIATIVE EXPERIENCES AND MENTAL IMAGERY IN UNDERGRADUATE STUDENTS: WHEN
MENTAL IMAGES ARE USED TO FORESEE UNCERTAIN FUTURE EVENTS. PERSONALITY AND INDIVIDUAL DIFFERENCES, vol. 41; p.
1143-1153, ISSN: 0191-8869
VANNUCCI M., T. GRUNWALD, N. PEZER, T. DIETL, C. HELMSTAEDTER, C. SCHALLER, MP. VIGGIANO, CE. ELGER (2006). Hippocampus
proper distinguishes between identified and unidentified real-life visual objects: an intracranial ERP study. NEUROSCIENCE LETTERS, vol. 401; p.
165-170, ISSN: 0304-3940
T. DIETL, P. TRAUTNER, M. STAEDTGEN, VANNUCCI M., A. MECKLINGER, T. GRUNWALD, H. CLUSMAN, CE. ELGER, M. KURTHEN (2005).
Processing of famous faces and medial temporal lobe event-related potentials: a depth electrode study. NEUROIMAGE, vol. 25; p. 401-407, ISSN:
1053-8119
M.P. VIGGIANO, A. COSTANTINI, VANNUCCI M., S. RIGHI (2004). Hemispheric asymmetry for spatially filtered stimuli belongin to different semantic
categories. COGNITIVE BRAIN RESEARCH, vol. 20; p. 519-524, ISSN: 0926-6410
M.P. VIGGIANO, VANNUCCI M., S. RIGHI (2004). A new standardised set of ecological pictures for experimental and clinical research on visual object
processing. CORTEX, vol. 40; p. 491-509, ISSN: 0010-9452
T. GRUNWALD, VANNUCCI M. (2004). Cognition related potentials in the definition of functional deficit zones. In: LUDERS H.O., ROSENOW F..
Handbook of Clinical Neurophysiology. p. 501-511, NEW YORK: Elsevier
VANNUCCI M. (2004). TEST E SCALE. In: VIGGIANO M.P.. VALUTAZIONE COGNITIVA E NEUROPSICOLOGICA NEL BAMBINO,
NELL'ADULTO E NELL'ANZIANO. p. 41-69, ROMA: Carocci
VIGGIANO M.P., COSTANTINI A., VANNUCCI M., RIGHI S. (2004). Hemispheric asymmetry for spatially filtered stimuli belonging to different
semantic categories. COGNITIVE BRAIN RESEARCH, vol. 20; p. 519-524, ISSN: 0926-6410
VANNUCCI M., M.P. VIGGIANO, F. ARGENTI (2001). Identification of spatially filtered stimuli as function of the semantic category. COGNITIVE
VANNUCCI M., VIGGIANO M.P., ARGENTI F. (2001). Identification of spatially filtered objects as function of semantic categories. COGNITIVE BRAIN
RESEARCH, vol. 12; p. 475-478, ISSN: 0926-6410
VIGGIANO M.P, BORELLI P, VANNUCCI M., ROCCHETTI G (2001). Hand preference in italian students. LATERALITY, vol. 6; p. 283-286, ISSN:
1357-650X
VANNUCCI M., M.P. VIGGIANO (2000). Category effects on the processing of plane-rotated objects. PERCEPTION, vol. 29; p. 287-302, ISSN: 0301-0066
G. MAZZONI, VANNUCCI M., E. LOFTUS (1999). MISREMEMBERING STORY MATERIAL. LEGAL AND CRIMINOLOGICAL PSYCHOLOGY,
vol. 4; p. 93-110, ISSN: 1355-3259
G. MAZZONI, VANNUCCI M. (1998). RICORDO O CONOSCO: QUANDO GLI ERRORI DI MEMORIA SONO CONSIDERATI RICORDI VERI.
GIORNALE ITALIANO DI PSICOLOGIA, vol. XXV; p. 79-99, ISSN: 0390-5349

Ministero dell` Istruzione, dell` Università e della Ricerca

Transcript

Documenti analoghi

microsoft visual basic

CURRICULUM VITAE INFORMAZIONI PERSONALI Nome Cesare

sensescape - Quasar Design University

Psicologia Generale

Psicologia sociale

calendario degli esami triennale scienze e tecniche psicologiche

Psicologia e psicoterapia Psicologia forense Psicologia del lavoro

Domenico Carponi Schittar svolge dal 1964 l`attività di avvocato. Ha

Collegamento di Olivetti M24 con il CDC IROE e suo - PUMA

Scheda PDF - Edizioni San Paolo