 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de Christian S. Perone 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 Christian S. Perone. 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.
Askari Hemmat, M., Savaria, Y., David, J. P., Honari, S., Perone, C. S., Rouhier, L., & Cohen-Adad, J. (octobre 2019). U-Net Fixed-Point Quantization for Medical Image Segmentation [Communication écrite]. 22nd International Conference on Medical Image Computing & Computer Assisted Intervention (MICCAI 2019), Shenzhen, China. Lien externe
Askari Hemmat, M., Honari, S., Rouhier, L., Perone, C. S., Cohen-Adad, J., Savaria, Y., & David, J. P. (octobre 2019). U-net fixed-point quantization for medical image segmentation [Communication écrite]. 1st International Workshop on Hardware Aware Learning for Medical Imaging and Computer Assisted Intervention (HAL-MICCAI 2019), Shenzhen, China. Lien externe
Calabrese, E., Adil, S. M., Cofer, G., Perone, C. S., Cohen-Adad, J., Lad, S. P., & Johnson, G. A. (2018). Postmortem diffusion MRI of the entire human spinal cord at microscopic resolution. NeuroImage: Clinical, 18, 963-971. Disponible
Nami, H., Perone, C. S., & Cohen-Adad, J. (2022). Histology-informed automatic parcellation of white matter tracts in the rat spinal cord. Frontiers in Neuroanatomy, 16, 960475 (12 pages). Lien externe
Paugam, F., Lefeuvre, J., Perone, C. S., Gros, C., Reich, D. S., Sati, P., & Cohen-Adad, J. (2019). Open-source pipeline for multi-class segmentation of the spinal cord with deep learning. Magnetic Resonance Imaging, 64, 21-27. Lien externe
Perone, C. S., Ballester, P., Barros, R. C., & Cohen-Adad, J. (2019). Unsupervised domain adaptation for medical imaging segmentation with self-ensembling. NeuroImage, 194, 1-11. Lien externe
Perone, C. S., Calabrese, E., & Cohen-Adad, J. (2018). Spinal cord gray matter segmentation using deep dilated convolutions. Scientific Reports, 8(1), 5966 (13 pages). Disponible
Perone, C. S., & Cohen-Adad, J. (septembre 2018). Deep semi-supervised segmentation with weight-averaged consistency targets [Communication écrite]. 4th International Workshop on Deep Learning in Medical Image Analysis (DLMIA 2018) and 8th International Workshop on Multimodal Learning for Clinical Decision Support (ML-CDS 2018), Granada, Spain. Lien externe
Zaimi, A., Wabartha, M., Herman, V., Antonsanti, P.-L., Perone, C. S., & Cohen-Adad, J. (2018). AxonDeepSeg: automatic axon and myelin segmentation from microscopy data using convolutional neural networks. Scientific Reports, 8(1), 3816 (11 pages). Disponible
