 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de Andréanne Lemay figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur Andréanne Lemay. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Ahmed, S. R., Befano, B., Lemay, A., Egemen, D., Rodríguez, A. C., Angara, S., Desai, K., Jerónimo, J., Antani, S., Campos, N., Inturrisi, F., Perkins, R., Kreimer, A., Wentzensen, N., Herrero, R., del Pino, M., Quint, W., de Sanjose, S., Schiffman, M., & Kalpathy-Cramer, J. (2023). Reproducible and clinically translatable deep neural networks for cervical screening. Scientific Reports, 13(1), 21772 (18 pages). Lien externe
Gros, C., Lemay, A., Vincent, O., Rouhier, L., Bourget, M.-H., Bucquet, A., Cohen, P., & Cohen-Adad, J. (2021). Ivadomed : a medical imaging deep learning toolbox. Journal of Open Source Software, 6(58), 5 pages. Lien externe
Gros, C., Lemay, A., & Cohen-Adad, J. (2021). SoftSeg: Advantages of soft versus binary training for image segmentation. Medical Image Analysis, 71, 12 pages. Lien externe
Lemay, A., Gros, C., Karthik, E. N., & Cohen-Adad, J. (2023). Label fusion and training methods for reliable representation of inter-rater uncertainty. The Journal of Machine Learning for Biomedical Imaging, 1(January 20), 1-27. Lien externe
Lemay, A. (2022). Impact of Soft Segmentation Training on Medical Image Segmentation and Uncertainty Representation [Mémoire de maîtrise, Polytechnique Montréal]. Disponible
Lu, C., Lemay, A., Chang, K., Höbel, K., & Kalpathy-Cramer, J. (février 2022). Fair Conformal Predictors for Applications in Medical Imaging [Communication écrite]. 36th AAAI Conference on Artificial Intelligence (AAAI 2022). Lien externe
Lemay, A., Hoebel, K., Bridge, C. P., Befano, B., De Sanjose, S., Egemen, D., Rodríguez, A. C., Schiffman, M., Campbell, J. P., & Kalpathy-Cramer, J. (2022). Improving the repeatability of deep learning models with Monte Carlo dropout. npj Digital Medicine, 5(1), 11 pages. Lien externe
Lemay, A., Gros, C., Zhuo, Z., Zhang, J., Duan, Y., Cohen-Adad, J., & Liu, Y. (2021). Automatic multiclass intramedullary spinal cord tumor segmentation on MRI with deep learning. NeuroImage - Clinical, 31, 9 pages. Disponible
Lemay, A., Gros, C., Vincent, O., Liu, Y., Cohen, J. P., & Cohen-Adad, J. (juillet 2021). Benefits of linear conditioning for segmentation using metadata [Communication écrite]. 4th Conference on Medical Imaging with Deep Learning (CMDL 2021), Lübeck, Germany. Lien externe
Lemay, A., Gros, C., Vincent, O., Liu, Y., Cohen, J. P., & Cohen-Adad, J. (juillet 2021). Benefits of Linear Conditioning with Metadata for Image Segmentation [Présentation]. Dans 4th Conference on Medical Imaging with Deep Learning (MIDL 2021). Publié dans Proceedings of Machine Learning Research, 143. Lien externe
Lemay, A., Gros, C., Zhuo, Z., Duan, Y., Zhang, J., Cohen-Adad, J., & Liu, Y. (juin 2020). Spinal cord tumor segmentation using multimodal deep learning approach [Communication écrite]. 26th OHBM annual meeting. Non disponible
