Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • NOTRE IMPACT
    • Pourquoi le CIFAR?
    • Pôles d’impact
    • Nouvelles
    • Stratégie du CIFAR
    • Favoriser la résilience de la Terre
    • Impact IA
    • Impact des dons
    • CIFAR 40
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
    • Répertoire du personnel
  • Soutenez-nous
  • À propos
    • Notre histoire
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Équité, diversité et inclusion
    • Déclaration du CIFAR sur la neutralité institutionnelle
    • Sécurité de la recherche
  • en
  • Accueil
  • Bio

Suivez-nous

Samuel Kadoury

Samuel Kadoury

La nomination

Coresponsable, Réseau de solutions

L’IA intégrée au service de l’imagerie médicale

Stratégie pancanadienne en matière d’IA

Connect

Google Scholar

À Propos

Samuel Kadoury est professeur titulaire au département de génie informatique et génie logiciel à Polytechnique Montréal et chercheur au Centre de recherche du Centre hospitalier de l’Université de Montréal. Il est directeur du laboratoire d’analyse et de traitement des images médicales et titulaire de la Chaire de recherche du Canada en interventions intelligentes assistées et imagerie médicale. Ses recherches portent sur l’informatique médicale, l’apprentissage automatique, la vision par ordinateur et les interventions assistées par imagerie médicale. Il détient plusieurs brevets internationaux et américains dans le domaine des interventions assistées par l’image et a dirigé plusieurs projets interdisciplinaires en oncologie de précision au cours desquels il a réuni des spécialistes en radiologie, en biochimie, en immunologie, en chirurgie, en informatique et en apprentissage automatique afin de mettre au point de nouveaux biomarqueurs prédictifs pour le cancer du foie et du poumon. Il a participé au déploiement de produits commerciaux dans les domaines de la vision par ordinateur et des applications biomédicales, notamment la segmentation non supervisée d’images à l’aide d’algorithmes d’IA. Il a également développé des solutions de radiothérapie qui intègrent la planification et la compensation de mouvement basées sur l’IA, en collaboration avec des physiciens médicaux et des radio-oncologues.

Prix

  • Prix du meilleur réviseur, IEEE Transactions in Medical Imaging, 2022
  • Prix du meilleur article, Medical Imaging Computing and Computer Assisted Interventions (MICCAI), 2020
  • Étoile Effervescence (parmi les 10 meilleurs chercheurs ayant moins de 10 ans d’expérience qui font preuve d’excellence dans le domaine des sciences biomédicales et du génie de la santé), Montréal InVivo, 2019
  • Prix Cum Laude (reconnaissance d’importantes avancées technologiques dans le domaine de la radiologie), Radiological Society of North America, 2016
  • Prix du mérite, National Institutes of Health – Prostate Cancer Group, 2013

Publications Pertinentes

  • Romaguera, L. V., Alley, S., Carrier, J. F. et Kadoury, S. (2023). Conditional-based Transformer network with learnable queries for 4D deformation forecasting and tracking. IEEE Transactions on Medical Imaging, 42(6), 1603-1618.
  • Le, W. T., Vorontsov, E., Romero, F. P., Seddik, L., Elsharief, M. M., Nguyen-Tan, P. et Kadoury, S. (2022). Cross-institutional outcome prediction for head and neck cancer patients using self-attention neural networks. Scientific Reports, 12(1), 3183.
  • Romaguera, L. V., Plantefève, R., Romero, F. P., Hébert, F., Carrier, J. F., et Kadoury, S. (2020). Prediction of in-plane organ deformation during free-breathing radiotherapy via discriminative spatial transformer networks. Medical Image Analysis, 64, 101754.
  • Drozdzal, M., Chartrand, G., Vorontsov, E., Shakeri, M., Di Jorio, L., Tang, A., Romero, A., Bengio, Y., Pal, C. et Kadoury, S. (2018). Learning normalized inputs for iterative estimation in medical image segmentation. Medical Image Analysis, 44, 1-13.
  • Drozdzal, M., Vorontsov, E., Chartrand, G., Kadoury, S., et Pal, C. (2016). The importance of skip connections in biomedical image segmentation. Dans Gustavo Carneiro et coll (éd.), Deep Learning and Data Labeling for Medical Applications, DLMIA 2016, LABELS 2016, Lecture Notes in Computer Science, vol. 10008, p. 179-187, Springer Cham.

institut

Centre hospitalier de l’Université de Montréal

Polytechnique Montréal

Éducation

  • Ph. D. (génie biomédical), Université de Montréal
  • M. Ing. (génie électrique, apprentissage automatique), Université McGill
  • B. Ing. (génie informatique), Polytechnique Montréal

Pays

Canada

Soutenez-nous

L’Institut canadien de recherches avancées (CIFAR) est une organisation de recherche d’influence mondiale fièrement basée au Canada. Nous mobilisons les plus brillants personnes du monde, dans toutes les disciplines et à tous les stades de carrière, pour faire progresser les connaissances transformatrices et résoudre ensemble les plus grands problèmes de l’humanité. Nous recevons l’appui des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de particuliers, d’entreprises et d’organisations partenaires du Canada et du monde entier.

Dons
CIFAR header logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2025 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
Accepter En savoir plus