 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} 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.
Elforaici, M. E. A., Montagnon, E., Romero, F. P., Le, W. T., Azzi, F., Trudel, D., Nguyen, B., Turcotte, S., Tang, A., & Kadoury, S. (2025). Semi-supervised ViT knowledge distillation network with style transfer normalization for colorectal liver metastases survival prediction. Medical Image Analysis, 99, 103346 (16 pages). Lien externe
Elforaici, M. E. A., Azzi, F., Trudel, D., Nguyen, B., Montagnon, E., Tang, A., Turcotte, S., & Kadoury, S. (mai 2024). Cell-Level GNN-Based Prediction of Tumor Regression Grade in Colorectal Liver Metastases From Histopathology Images [Communication écrite]. 21st IEEE International Symposium on Biomedical Imaging (ISBI 2024), Athens, Greece (5 pages). Lien externe
Montagnon, E., Cerny, M., Hamilton, V., Derennes, T., Ilinca, A., Elforaici, M. E. A., Jabbour, G., Rafie, E., Wu, A., Perdigon Romero, F., Cadrin-Chênevert, A., Kadoury, S., Turcotte, S., & Tang, A. (2024). Radiomics analysis of baseline computed tomography to predict oncological outcomes in patients treated for resectable colorectal cancer liver metastasis. PLOS ONE, 19(9), 0307815 (17 pages). Lien externe
Vianna, P., Kulbay, M., Boustros, P., Calce, S.-I., Larocque-Rigney, C., Patry-Beaudoin, L., Luo, Y. H., Chaudary, M., Kadoury, S., Nguyen, B., Montagnon, E., Belilovsky, E., Wolf, G., Chasse, M., Tang, A., & Cloutier, G. (septembre 2023). Automated liver segmentation and steatosis grading using deep learning on B-mode ultrasound images [Communication écrite]. IEEE International Ultrasonics Symposium (IUS 2023), Montreal, Qc, Canada (4 pages). Lien externe
Vianna, P., Calce, S.-I., Boustros, P., Larocque-Rigney, C., Patry-Beaudoin, L., Luo, Y. H., Aslan, E., Marinos, J., Alamri, T. M., Vu, K.-N., Murphy-Lavallée, J., Billiard, J.-S., Montagnon, E., Li, H., Kadoury, S., Nguyen, B. N., Gauthier, S., Therien, B., Rish, I., ... Tang, A. (2023). Comparison of Radiologists and Deep Learning for US Grading of Hepatic Steatosis. Radiology, 309(1), e230659 (10 pages). Lien externe
Saber, R., Henault, D., Messaoudi, N., Rebolledo, R., Montagnon, E., Soucy, G., Stagg, J., Tang, A., Turcotte, S., & Kadoury, S. (2023). Radiomics using computed tomography to predict CD73 expression and prognosis of colorectal cancer liver metastases. Journal of Translational Medicine, 21(1), 16 pages. Disponible
Saber, R., Henault, D., Vorontsov, E., Montagnon, E., Tang, A., Turcotte, S., & Kadoury, S. (février 2022). Prediction of CD3 T-cell infiltration status in colorectal liver metastases: a radiomics-based imaging biomarker [Communication écrite]. Medical Imaging 2022: Computer-Aided Diagnosis, San Diego, CA, USA (7 pages). Lien externe
Amine Elforaici, M. E., Montagnon, E., Azzi, F., Trudel, D., Nguyen, B., Turcotte, S., Tang, A., & Kadoury, S. (mars 2022). Semi-Supervised Tumor Response Grade Classification from Histology Images of Colorectal Liver Metastases [Communication écrite]. 2022 IEEE 19th International Symposium on Biomedical Imaging (ISBI 2022), Kolkata, India (5 pages). Lien externe
Cheng, P. M., Montagnon, E., Yamashita, R., Pan, I., Cadrin-Chênevert, A., Romero, F. P., Chartrand, G., Kadoury, S., & Tang, A. (2021). Deep Learning: An Update for Radiologists. RadioGraphics, 41(5), 1427-1445. Lien externe
Montagnon, E., Cerny, M., Cadrin-Chênevert, A., Hamilton, V., Derennes, T., Ilinca, A., Vandenbroucke-Menu, F., Turcotte, S., Kadoury, S., & Tang, A. (2020). Deep learning workflow in radiology: a primer. Insights into Imaging, 11(22), 15 pages. Lien externe
Maaref, A., Romero, F. P., Montagnon, E., Cerny, M., Nguyen, B., Vandenbroucke, F., Soucy, G., Turcotte, S., Tang, A., & Kadoury, S. (2020). Predicting the Response to FOLFOX-Based Chemotherapy Regimen from Untreated Liver Metastases on Baseline CT: a Deep Neural Network Approach. Journal of Digital Imaging, 33(4), 937-945. Lien externe
