Progetto STEP · POR FESR Campania 2021-2027
Digitalizzazione avanzata, ricostruzione 3D e analisi morfometrica non invasiva di campioni museali biologici tramite micro-tomografia computerizzata e intelligenza artificiale.
UNIDOC S.r.l. · Durata: 24 mesi · Partner: 4 · TRL target: 7-8
24 mesi
Durata
7 – 8
TRL target
4
Partner
8
Work Package
Il proponente
PMI Innovativa, spin-off universitario dell'Università di Salerno
Fondata nel 2017 (ATECO 62.01), UNIDOC è specializzata in Enterprise Content Management, Big Data e soluzioni di Intelligenza Artificiale per la digitalizzazione della Pubblica Amministrazione e del settore sanitario. I prodotti UNIDOC sono certificati IHE Europa nelle edizioni 2018 e 2019, a conferma della qualità tecnica raggiunta in ambito di interoperabilità clinica.
Con sede a Fisciano (SA) e laboratorio a Cancello ed Arnone (CE), l'azienda unisce competenze di ricerca universitaria a capacità operative concrete, operando come ponte tra accademia e mercato nel settore delle tecnologie digitali per il patrimonio culturale e sanitario.
— Spin-off Università degli Studi di Salerno
— PMI Innovativa certificata (D.Lgs. 3/2015)
— Certificazioni IHE Europa 2018, 2019
— Sede: Fisciano (SA) · Lab: Cancello ed Arnone (CE)
Settori STEP coperti
Tecnologie Digitali & Deep Tech
AI, Big Data, imaging avanzato
Biotecnologie
Bioinformatica, biodiversità
Tecnologie Pulite
Ricerca non distruttiva
Il progetto risponde ai requisiti del Regolamento STEP (UE) 2024/795, contribuendo all'autonomia strategica europea nelle tecnologie critiche per il patrimonio biologico. Reg. EU 2024/795
Approccio tecnico
Un workflow integrato per la digitalizzazione non invasiva del patrimonio biologico museale.
Acquisizione Micro-CT
Raggi X multi-angolazione
Ricostruzione 3D
Volume tomografico
Preprocessing
Normalizzazione voxel
Segmentazione
Watershed + sogliatura
CNN Deep Learning
U-Net, nnU-Net, TransUNet
Analisi Morfometrica
Dice, IoU, volume
Gemello Digitale
Archivio web 3D
Acquisizione Micro-CT
Raggi X multi-angolazione
Ricostruzione 3D
Volume tomografico
Preprocessing
Riduzione rumore, normalizzazione voxel
Segmentazione Semiautomatica
Watershed, sogliatura
CNN Deep Learning
U-Net, Attention U-Net, nnU-Net, TransUNet
Analisi Morfometrica
Dice, IoU, volume, superficie
Gemello Digitale 3D
Archivio web interattivo
| Modello | Anno | Caratteristiche | Vantaggi | Limiti |
|---|---|---|---|---|
| U-Net | 2015 | Encoder-decoder, skip connections | Pochi dati, veloce | Oggetti piccoli |
| Attention U-Net | 2018 | Meccanismo di attenzione sui gate | Focus su ROI rilevanti | Complessità moderata |
| UNet++ | 2018 | Skip connections dense nidificate | Dettagli fini | Memoria GPU elevata |
| 3D U-Net | 2016 | Convoluzione 3D volumetrica | Contesto tridimensionale | Dataset 3D necessario |
| nnU-Net | 2019 | Auto-configurazione adattiva | State-of-the-art automatico | Computaz. pesante |
| Swin-UNet | 2021 | Transformer puro, window attention | Contesto globale | Richiede molti dati |
| TransUNet | 2021 | CNN + ViT ibrido | Locale + globale | Training complesso |
I campioni vengono scansionati intatti, senza coloranti né sezionamento fisico. La micro-CT restituisce volumi tridimensionali completi preservando l'integrità del materiale biologico originale.
Il sistema è progettato per applicarsi a collezioni eterogenee per dimensione e tipologia. L'automazione con supervisione umana (human-in-the-loop) garantisce qualità senza rinunciare alla velocità.
L'output è disponibile in .stl, .vtk e .nii.gz. La piattaforma web è open-access: chiunque può consultare e scaricare i modelli 3D delle collezioni digitalizzate.
Struttura del progetto
4 WP di ricerca industriale e 4 di sviluppo sperimentale, distribuiti su 4 fasi consecutive.
Selezione e documentazione dei campioni biologici museali. Analisi delle condizioni di conservazione e dei requisiti tecnici per la scansione Micro-CT. Definizione dei criteri tassonomici e scientifici per una selezione rappresentativa delle collezioni.
Output attesi
Sviluppo e validazione di protocolli operativi standard per l'acquisizione Micro-CT di materiale biologico storico. Ottimizzazione di tensione, corrente, risoluzione voxel e tempi di esposizione per diverse tipologie di specimen.
Output attesi
Ricerca e sviluppo di algoritmi deep learning per la segmentazione automatica di strutture anatomiche in volumi tomografici. Benchmark sperimentale tra U-Net, Attention U-Net, nnU-Net e TransUNet su dataset di campioni biologici storici annotati.
Output attesi
Progettazione e sviluppo della pipeline modulare DigitMuseAI-Flow. Integrazione di preprocessing, segmentazione AI e analisi morfometrica in un workflow end-to-end con revisione umana interattiva.
Output attesi
Definizione e validazione di nuovi descrittori morfometrici tridimensionali per la tassonomia biologica. Sviluppo della metodologia NP.2 per l'analisi quantitativa assistita da IA di specie biologiche museali.
Output attesi
Sviluppo della piattaforma "Gemelli Digitali" con visualizzatore 3D interattivo, database open-access delle collezioni e API REST per l'interoperabilità con sistemi museali nazionali e internazionali.
Output attesi
Validazione tecnica e scientifica del sistema completo su campioni eterogenei. Metriche Dice, IoU, Hausdorff distance. Valutazione indipendente per il raggiungimento di TRL 7-8.
Output attesi
Produzione di materiale dimostrativo, video tutorial e pubblicazioni. Presentazione a conferenze internazionali di settore e agli stakeholder museali.
Output attesi
Partenariato
Il progetto riunisce competenze di informatica, fisica, biologia marina e ingegneria AI.
UNIDOC S.r.l.
Soggetto Proponente — Lead
Coordina l'intero progetto e ne gestisce l'esecuzione tecnica e amministrativa. Sviluppa la pipeline software, integra i modelli AI e gestisce la piattaforma web. Responsabile di tutti gli 8 Work Package.
Come spin-off dell'Università di Salerno, UNIDOC porta in progetto sia la solidità accademica sia l'operatività di una PMI certificata IHE, con esperienza concreta in sistemi di gestione documentale per PA e sanità.
WP: tutti
Università di Salerno
Dip. Fisica
Consulenza Scientifica
Ottimizzazione dei parametri Micro-CT, calibrazione strumentale e sviluppo degli algoritmi di ricostruzione tomografica.
WP1, WP2, WP7
Stazione Zoologica Anton Dohrn
Napoli
Consulenza Biologica
Selezione e annotazione tassonomica dei campioni, validazione biologica dei modelli AI, disseminazione scientifica.
WP1, 2, 5, 7, 8
Essea Digit S.r.l.
Consulenza AI & Deep Learning
Training avanzato dei modelli, ottimizzazione dell'architettura e trasferimento del know-how tecnologico al team UNIDOC.
WP3, WP4, WP5, WP7
Responsabile scientifico
Socio UNIDOC S.r.l.
Università degli Studi di Salerno — Dipartimento di Informatica
cattaneo@unisa.itRisultati attesi
Prototipi software, metodologie scientifiche e prospettive commerciali sviluppate nei 24 mesi.
P.1
Pipeline software integrata
Sistema modulare end-to-end per la digitalizzazione di campioni museali. Include preprocessing, segmentazione AI e revisione umana interattiva. Progettato per essere estendibile a nuove tipologie di specimen.
P.2
Archivio web open-access
Piattaforma con visualizzatore 3D, database delle collezioni digitalizzate e API REST. Accessibile liberamente da ricercatori, musei e istituzioni culturali.
P.3
Per biologia museale storica
Varianti U-Net addestrate su campioni biologici storici. Rilasciate open-source con documentazione completa per facilitarne l'adozione nella comunità scientifica.
NP.1
Protocolli operativi standard per l'acquisizione Micro-CT di materiale biologico storico. Coprono l'intero ciclo: selezione, preparazione, scansione, post-elaborazione e archiviazione.
NP.2
Nuova metodologia che introduce descrittori tassonomici tridimensionali calcolati automaticamente. Metriche di qualità per la caratterizzazione quantitativa di specie biologiche museali.
NPr.1
Offerta di servizi professionali per musei, università e istituti di ricerca. Contratti service-based con SLA definiti e team tecnico dedicato.
NPr.2
Commercializzazione dei moduli DigitMuseAI-Flow in licenza. Integrazione con i sistemi di gestione esistenti tramite API standard.
NPr.3
Evoluzione della piattaforma in modalità cloud. Abbonamenti per istituzioni culturali con storage e computing scalabili in base alle esigenze.
Technology Readiness Level
Partenza stimata TRL 4-5 · Target TRL 7-8 al termine dei 24 mesi
Framework europeo
Il progetto risponde ai requisiti del Reg. (UE) 2024/795 in tre settori strategici.
Tecnologie Digitali & Deep Tech
Il cuore del progetto è una pipeline AI per l'analisi di immagini tomografiche: un caso concreto di deep tech applicato al patrimonio culturale.
Biotecnologie
L'analisi morfometrica di campioni biologici storici contribuisce alla bioinformatica tassonomica e alla conservazione della biodiversità.
Tecnologie Pulite
La micro-CT è una metodologia non distruttiva: nessun reagente, nessuno spreco. La ricerca può essere replicata senza consumare il campione originale.
Condizioni STEP
Do No Significant Harm — conformità con i 6 obiettivi ambientali (Reg. EU 2020/852)
Utilizzo di apparecchiature ad alta efficienza energetica. La digitalizzazione riduce la necessità di trasporti fisici, abbassando le emissioni di CO₂ associate alla ricerca.
La creazione di archivi digitali resilienti garantisce la conservazione del patrimonio biologico anche in scenari climatici avversi.
Nessun impiego di reagenti chimici liquidi, nessuna produzione di rifiuti contaminati rispetto alle tecniche invasive tradizionali.
Smaltimento RAEE certificato. Assenza di consumabili monouso. Il cluster di calcolo riutilizza hardware esistente.
Nessun rilascio diretto di sostanze inquinanti. La micro-CT opera in spazi certificati con operatori qualificati e schermature appropriate.
La digitalizzazione non invasiva preserva integralmente i campioni, contribuendo alla conservazione della biodiversità e alla sua accessibilità permanente per la ricerca.
Impatto occupazionale
2
Nuove assunzioni
entro 12 mesi dall'avvio
2
Contratti consolidati
tempo indeterminato entro 6 mesi