ID-IRC : 2013010485
Akil Mohammed
Professeur d’enseignement supérieur
Spécialité : Génie électrique et génie électronique
Faculté des Sciences et Techniques de Fès
École Nationale des Sciences Appliquées de Fès
Domaine de Maîtrise :
Nouvelles Technologies, Ingénierie, Systèmes d’Information et IA
Domaine d’intérêt :
Épidémiologie et Santé Publique, Biopathologie et Recherche Biomédicale**, Nouvelles Technologies - Ingénierie - Systèmes d’Information et IA
Les publications :
1 Ben naceur, Mostefa, Akil, M., Saouli, R., & Kachouri, R. (2019b). Deep convolutional neural networks for brain tumor segmentation: boosting performance using deep transfer learning: preliminary results. In Proceedings MICCAI-BRATS Workshop, under–reviewing. 2 Ben naceur, Mostefa, Akil, M., Saouli, R., & Kachouri, R. (2019c). Fully automatic brain tumor segmentation with deep learning-based selective attention using overlapping patches and multi-class weighted cross-entropy. Medical Image Analysis, under–reviewing. 3 Ben naceur, Mostefa, Kachouri, R., Akil, M., & Saouli, R. (2019). A new online class-weighting approach with deep neural networks for image segmentation of highly unbalanced glioblastoma tumors. International Work-Conference on Artificial Neural Networks, Jun 2019, Gran Canaria, Spain. 4 Ben naceur, Mostefa, Saouli, R., Akil, M., & Kachouri, R. (2018b). Fully automatic brain tumor segmentation using end-to-end incremental deep neural networks in mri images. Computer methods and programs in biomedicine, 166, 39–49. ® https://www.sciencedirect.com/science/article/pii/S0169260718309015