Samuel Kadoury
La nomination
Coresponsable, Réseau de solutions
L’IA intégrée au service de l’imagerie médicale
Stratégie pancanadienne en matière d’IA
Connect
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.