+39 06 72596393

fismed@uniroma2.it

    Giovanna Maria Dimitri

    Studenti Visitatori e Alumni

    Email

    giovanna.dimitri@unisi.it

    Biografia

    Giovanna Maria Dimitri è ricercatrice in Tenure Track in Intelligenza Artificiale presso l’Università degli Studi di Milano (Italia).

    In precedenza è stata ricercatrice in Intelligenza Artificiale presso il Dipartimento di Ingegneria dell’Informazione e Scienze Matematiche (DIISM) dell’Università di Siena, Italia, lavorando nel gruppo di Intelligenza Artificiale.

    In precedenza, ha conseguito un dottorato di ricerca presso l’Università di Cambridge (Regno Unito), sotto la supervisione del Prof. Pietro Liò, con la tesi: “Metodologie di rete multistrato per l’analisi e la modellizzazione dei dati cerebrali”. Si è laureata nel luglio 2015 con un Master in Informatica Avanzata presso l’Università di Cambridge, con lode. È membro a vita del Clare Hall College dell’Università di Cambridge. In precedenza, ha conseguito la laurea magistrale e triennale (entrambe con il massimo dei voti) in Ingegneria Informatica e dell’Automazione presso l’Università di Siena (Italia), sotto la supervisione del Prof. Michelangelo Diligenti.

    Dal 2019/2020 tiene il corso di Business Intelligence per il Master in Ingegneria Gestionale (DIISM, Università di Siena) ed è docente ospite di Scienza dei dati per l’Istituto di Formazione Continua dell’Università di Cambridge (Cambridge, Regno Unito).

    Ha al suo attivo quasi 60 pubblicazioni scientifiche su riviste internazionali di alto livello sottoposte a revisione paritaria, oltre a una vasta esperienza nell’insegnamento e nella supervisione.

    Nel 2023 ha vinto la borsa di studio competitiva Ai-Net Fellows sponsorizzata dal DAAD, ed è stata quindi selezionata e ha visitato

    Giovanna Maria Dimitri è ricercatrice in AI presso l’Universitá di Siena e Guest Lecturer presso l’Universitá di Cambridge..

    Ha conseguito il dottorato di ricerca in Computer Science presso l’Università di Cambridge e le lauree in Ingegneria Informatica e dell’Automazione presso l’Università di Siena.

    La sua esperienza comprende metodologie di rete multistrato per l’analisi e la modellazione dei dati cerebrali, la previsione degli effetti collaterali dei farmaci e la previsione della funzione delle proteine.

    Profili

    Created with Fabric.js 4.6.0

    Scopus

    Google Scholar

    Pubmed

    Orcid

    LinkedIn

    Pagina personale

    Ultime 5 pubblicazioni (Scopus)

    opensearch:totalResults = 62
    opensearch:startIndex = 0
    opensearch:itemsPerPage = 25
    @role = request
    @searchTerms = AU-ID(57193860630)
    @startPage = 0

    @_fa = true
    @ref = self
    @href = https://api.elsevier.com/content/search/scopus?start=0&count=25&query=AU-ID%2857193860630%29&apiKey=6ae70c855c11cca26b94ca23c22dcbcf
    @type = application/json

    @_fa = true
    @ref = first
    @href = https://api.elsevier.com/content/search/scopus?start=0&count=25&query=AU-ID%2857193860630%29&apiKey=6ae70c855c11cca26b94ca23c22dcbcf
    @type = application/json

    @_fa = true
    @ref = next
    @href = https://api.elsevier.com/content/search/scopus?start=25&count=25&query=AU-ID%2857193860630%29&apiKey=6ae70c855c11cca26b94ca23c22dcbcf
    @type = application/json

    @_fa = true
    @ref = last
    @href = https://api.elsevier.com/content/search/scopus?start=37&count=25&query=AU-ID%2857193860630%29&apiKey=6ae70c855c11cca26b94ca23c22dcbcf
    @type = application/json


    inizio

    @_fa = true

    @_fa = true
    @ref = self
    @href = https://api.elsevier.com/content/abstract/scopus_id/105031438342

    @_fa = true
    @ref = author-affiliation
    @href = https://api.elsevier.com/content/abstract/scopus_id/105031438342?field=author,affiliation

    @_fa = true
    @ref = scopus
    @href = https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=105031438342&origin=inward

    @_fa = true
    @ref = scopus-citedby
    @href = https://www.scopus.com/inward/citedby.uri?partnerID=HzOxMe3b&scp=105031438342&origin=inward

    • InfluEmo: Influence of Emotions on Instagram Influencers’ Success; Computers; February 2026; DOI: 10.3390/computers15020118
    prism:url = https://api.elsevier.com/content/abstract/scopus_id/105031438342
    dc:identifier = SCOPUS_ID:105031438342
    eid = 2-s2.0-105031438342
    dc:creator = Schettini C.F.
    prism:publicationName = Computers
    prism:issn =
    prism:eIssn = 2073431X
    prism:volume = 15
    prism:issueIdentifier = 2
    prism:pageRange =
    prism:coverDate = 2026-02-01
    prism:coverDisplayDate = February 2026
    prism:doi = 10.3390/computers15020118
    citedby-count = 0

    @_fa = true
    affilname = Università degli Studi di Siena
    affiliation-city = Siena
    affiliation-country = Italy

    pubmed-id =
    prism:aggregationType = Journal
    subtype = ar
    subtypeDescription = Article
    article-number = 118
    source-id = 21100886391
    openaccess = 1
    openaccessFlag = true
    value:

    $ = all

    $ = publisherfullgold

    $ = repository

    $ = repositoryam

    value:

    $ = All Open Access

    $ = Gold

    $ = Green

    prism:isbn:

    @_fa =
    $ =

    pii =

    inizio

    @_fa = true

    @_fa = true
    @ref = self
    @href = https://api.elsevier.com/content/abstract/scopus_id/105040233605

    @_fa = true
    @ref = author-affiliation
    @href = https://api.elsevier.com/content/abstract/scopus_id/105040233605?field=author,affiliation

    @_fa = true
    @ref = scopus
    @href = https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=105040233605&origin=inward

    @_fa = true
    @ref = scopus-citedby
    @href = https://www.scopus.com/inward/citedby.uri?partnerID=HzOxMe3b&scp=105040233605&origin=inward

    • Machine Learning and Cultural Heritage: An Italian Perspective; IEEE Transactions on Computational Social Systems; 2026; DOI: 10.1109/TCSS.2026.3689422
    prism:url = https://api.elsevier.com/content/abstract/scopus_id/105040233605
    dc:identifier = SCOPUS_ID:105040233605
    eid = 2-s2.0-105040233605
    dc:creator = Dimitri G.M.
    prism:publicationName = IEEE Transactions on Computational Social Systems
    prism:issn =
    prism:eIssn = 2329924X
    prism:volume =
    prism:issueIdentifier =
    prism:pageRange =
    prism:coverDate = 2026-01-01
    prism:coverDisplayDate = 2026
    prism:doi = 10.1109/TCSS.2026.3689422
    citedby-count = 0

    @_fa = true
    affilname = Università degli Studi di Milano
    affiliation-city = Milan
    affiliation-country = Italy

    pubmed-id =
    prism:aggregationType = Journal
    subtype = re
    subtypeDescription = Review
    article-number =
    source-id = 21100364916
    openaccess = 1
    openaccessFlag = true
    value:

    $ = all

    $ = publisherhybridgold

    value:

    $ = All Open Access

    $ = Hybrid Gold

    prism:isbn:

    @_fa =
    $ =

    pii =

    inizio

    @_fa = true

    @_fa = true
    @ref = self
    @href = https://api.elsevier.com/content/abstract/scopus_id/105028628869

    @_fa = true
    @ref = author-affiliation
    @href = https://api.elsevier.com/content/abstract/scopus_id/105028628869?field=author,affiliation

    @_fa = true
    @ref = scopus
    @href = https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=105028628869&origin=inward

    @_fa = true
    @ref = scopus-citedby
    @href = https://www.scopus.com/inward/citedby.uri?partnerID=HzOxMe3b&scp=105028628869&origin=inward

    • Dialogical AI for Cognitive Bias Mitigation in Medical Diagnosis; Applied Sciences Switzerland; January 2026; DOI: 10.3390/app16020710
    prism:url = https://api.elsevier.com/content/abstract/scopus_id/105028628869
    dc:identifier = SCOPUS_ID:105028628869
    eid = 2-s2.0-105028628869
    dc:creator = Guiducci L.
    prism:publicationName = Applied Sciences Switzerland
    prism:issn =
    prism:eIssn = 20763417
    prism:volume = 16
    prism:issueIdentifier = 2
    prism:pageRange =
    prism:coverDate = 2026-01-01
    prism:coverDisplayDate = January 2026
    prism:doi = 10.3390/app16020710
    citedby-count = 1

    @_fa = true
    affilname = Università degli Studi di Siena
    affiliation-city = Siena
    affiliation-country = Italy

    pubmed-id =
    prism:aggregationType = Journal
    subtype = ar
    subtypeDescription = Article
    article-number = 710
    source-id = 21100829268
    openaccess = 1
    openaccessFlag = true
    value:

    $ = all

    $ = publisherfullgold

    $ = repository

    $ = repositoryam

    value:

    $ = All Open Access

    $ = Gold

    $ = Green

    prism:isbn:

    @_fa =
    $ =

    pii =

    inizio

    @_fa = true

    @_fa = true
    @ref = self
    @href = https://api.elsevier.com/content/abstract/scopus_id/105038554595

    @_fa = true
    @ref = author-affiliation
    @href = https://api.elsevier.com/content/abstract/scopus_id/105038554595?field=author,affiliation

    @_fa = true
    @ref = scopus
    @href = https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=105038554595&origin=inward

    @_fa = true
    @ref = scopus-citedby
    @href = https://www.scopus.com/inward/citedby.uri?partnerID=HzOxMe3b&scp=105038554595&origin=inward

    • Machine Learning in Metabolomics for the Early Detection of Fusarium Verticillioides Infection in Maize; Smart Innovation Systems and Technologies; 2026; DOI: 10.1007/978-981-95-4072-3_12
    prism:url = https://api.elsevier.com/content/abstract/scopus_id/105038554595
    dc:identifier = SCOPUS_ID:105038554595
    eid = 2-s2.0-105038554595
    dc:creator = Dimitri G.M.
    prism:publicationName = Smart Innovation Systems and Technologies
    prism:issn = 21903018
    prism:eIssn = 21903026
    prism:volume = 459 SIST
    prism:issueIdentifier =
    prism:pageRange = 133-142
    prism:coverDate = 2026-01-01
    prism:coverDisplayDate = 2026
    prism:doi = 10.1007/978-981-95-4072-3_12
    citedby-count = 0

    @_fa = true
    affilname = Università degli Studi di Milano
    affiliation-city = Milan
    affiliation-country = Italy

    pubmed-id =
    prism:aggregationType = Book Series
    subtype = cp
    subtypeDescription = Conference Paper
    article-number =
    source-id = 21100204111
    openaccess = 0
    openaccessFlag = false
    value:

    $ =

    value:

    $ =

    prism:isbn:

    @_fa = true
    $ = [9789819540716]

    pii =

    inizio

    @_fa = true

    @_fa = true
    @ref = self
    @href = https://api.elsevier.com/content/abstract/scopus_id/105020313906

    @_fa = true
    @ref = author-affiliation
    @href = https://api.elsevier.com/content/abstract/scopus_id/105020313906?field=author,affiliation

    @_fa = true
    @ref = scopus
    @href = https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=105020313906&origin=inward

    @_fa = true
    @ref = scopus-citedby
    @href = https://www.scopus.com/inward/citedby.uri?partnerID=HzOxMe3b&scp=105020313906&origin=inward

    • A Two-Step Machine Learning Approach Integrating GNSS-Derived PWV for Improved Precipitation Forecasting; Entropy; October 2025; DOI: 10.3390/e27101034
    prism:url = https://api.elsevier.com/content/abstract/scopus_id/105020313906
    dc:identifier = SCOPUS_ID:105020313906
    eid = 2-s2.0-105020313906
    dc:creator = Profetto L.
    prism:publicationName = Entropy
    prism:issn =
    prism:eIssn = 10994300
    prism:volume = 27
    prism:issueIdentifier = 10
    prism:pageRange =
    prism:coverDate = 2025-10-01
    prism:coverDisplayDate = October 2025
    prism:doi = 10.3390/e27101034
    citedby-count = 4

    @_fa = true
    affilname = Università degli Studi di Siena
    affiliation-city = Siena
    affiliation-country = Italy

    pubmed-id =
    prism:aggregationType = Journal
    subtype = ar
    subtypeDescription = Article
    article-number = 1034
    source-id = 13715
    openaccess = 1
    openaccessFlag = true
    value:

    $ = all

    $ = publisherfullgold

    $ = repository

    $ = repositoryam

    value:

    $ = All Open Access

    $ = Gold

    $ = Green

    prism:isbn:

    @_fa =
    $ =

    pii =

    Ultime 5 pubblicazioni (PubMed)

      CONTATTI

      Orario Segreteria

      • Lun-Ven 09:00-15:00

      collegamenti

      Facebook Twitter Instagram

      Sito creato da An:Ca © 2025 Università di Roma Tor Vergata P.I. 02133971008 – C.F. 80213750583