Prof. Daniele Ravì è Professore Associato presso l’Università di Messina, dove si specializza in imaging medico, chirurgia guidata da immagini, modellazione della progressione delle malattie e smart sensing. Ricopre inoltre un incarico onorario come Professore Associato presso l’University College London.
Il Prof. Ravì ha conseguito la laurea triennale e magistrale in Informatica, seguita da un dottorato in Computer Vision presso l’Università di Catania. La sua formazione accademica è stata ulteriormente arricchita da un anno di dottorato in visita presso l’Università del Surrey e da incarichi post-dottorato presso l’Imperial College London e l’University College London. Oltre all’ambito accademico, ha acquisito preziosa esperienza industriale presso STMicroelectronics e due startup tecnologiche.

Attualmente guida il gruppo di ricerca AI-HealthLab, che è pioniere nello sviluppo di metodi avanzati di intelligenza artificiale per la sanità. Il suo team è stato tra i primi a sviluppare modelli di AI generativa—come GAN e modelli di diffusione—in grado di simulare traiettorie neurodegenerative individuali direttamente da dati di risonanza magnetica cerebrale clinica. Ha ottenuto oltre 1,8 milioni di sterline in finanziamenti alla ricerca da enti quali Innovate UK e il Ministero italiano (FIS3), e ha contribuito a progetti finanziati dall’Unione Europea e dall’EPSRC/Wellcome Trust, concentrandosi sullo sviluppo e la commercializzazione di pipeline basate su AI per la sanità. La sua leadership ha costantemente portato al successo di progetti di ricerca e industriali attraverso il coordinamento di team multidisciplinari, una gestione efficace delle risorse e un coinvolgimento strategico degli stakeholder.

Il Prof. Ravì contribuisce attivamente alla comunità scientifica, con oltre 20 articoli pubblicati su riviste quali IEEE Transactions on Medical Imaging, Medical Image Analysis e IEEE Journal of Biomedical and Health Informatics, oltre a numerosi articoli presentati a conferenze (ad es. MICCAI, MIDL, BSN, ICIP) e un brevetto. Ricopre il ruolo di Area Chair per conferenze di rilievo, tra cui MICCAI e MIDL, e di Associate Editor per Medical Image Analysis e Pattern Recognition. Supervisiona inoltre studenti di dottorato, promuove collaborazioni con l’industria e insegna moduli relativi all’intelligenza artificiale. La sua ricerca è stata candidata per un Best Paper Award a MICCAI ed è risultata seconda per il prestigioso numero speciale MedIA–MICCAI.

Per un elenco completo delle pubblicazioni, visitare il profilo Google Scholar.