Tal Arbel
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2020
Tal Arbel est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeure au département de génie électrique et informatique de l’Université McGill. Elle est directrice de recherche du groupe de vision probabiliste et du laboratoire d’imagerie médicale du département de génie électrique et informatique de l’Université McGill.
Les recherches d’Arbel se concentrent sur le développement de méthodes probabilistes d’apprentissage profond pour un large éventail d’applications concrètes dans les domaines de la vision par ordinateur et de l’imagerie médicale, avec un accent sur les maladies neurologiques. Ses plus récents objectifs de recherche sont de développer de nouveaux modèles causaux pour la médecine personnalisée basée sur l’imagerie, lorsqu’ils peuvent améliorer concrètement les soins aux patients. Son équipe se concentre sur le développement de la confiance dans les modèles résultants, en se penchant notamment sur l’explicabilité, l’équité et les résultats probabilistes, qui sont tous essentiels pour la sécurité de leur adoption clinique.
Publications Pertinentes
- R. Mehta, C. Shui, T. Arbel. (2023). « Evaluating the Fairness of Deep Learning Uncertainty Estimates in Medical Image Analysis », 6e conférence sur l’imagerie médicale avec apprentissage profond.
- J. Durso-Finley, J. P. Falet, R. Mehta, D. L. Arnold, N. Pawlowski, T. Arbel. (2023). « Improving Image-Based Precision Medicine with Uncertainty-Aware Causal Models » 26e conférence internationale sur l’imagerie médicale et les interventions assistées par ordinateur.
- C. Shui, J. Szeto, R. Mehta, D. L. Arnold, T. Arbel. (2023). «Mitigating Calibration Bias Without Fixed Attribute Grouping for Improved Fairness in Medical Imaging Analysis » 26e conférence internationale sur l’imagerie médicale et les interventions assistées par ordinateur.
- A. Kumar, N. Fathi, R. Mehta, B. Nichyporuk, J. P. Falet, S. Tsaftaris, T. Arbel. (2023). « Debiasing Counterfactuals In the Presence of Spurious Correlations », atelier sur l’équité de l’IA en imagerie médicale, organisé en conjonction avec la 26e conférence internationale sur l’imagerie médicale et les interventions assistées par ordinateur.
- C. Shui, G. Xu, Q. Chen, J. Li, C. Ling, T. Arbel, B. Wang, C. Gagné. (2022). « On Learning Fairness and Accuracy on Multiple Subgroups », 36e conférence sur les systèmes de traitement de l’information neuronale.
- J.D. Durso-Finley, J.P. René Falet, B. Nichyporuk, D.L. Arnold et T. Arbel. (2022). « Personalized Prediction of Future Lesion Activity and Treatment Effect in Multiple Sclerosis from Baseline MRI » MIDL.