Martin Vallières
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
Martin Vallières est professeur adjoint au Département d’informatique de l’Université de Sherbrooke et titulaire d’une chaire en IA Canada-CIFAR.
Il est un expert du domaine de la radiomique et de l’apprentissage automatique en oncologie. Au cours de sa carrière, il a élaboré de nombreux modèles prédictifs pour divers types de cancers. Ses recherches actuelles portent principalement sur la modélisation par graphes de données médicales hétérogènes en vue d’accroître la précision des soins de santé.
Prix
- Mention avec distinction – exposition didactique, Radiological Society of North America, 2021
- Prix Michael S. Patterson de la publication la plus influente en physique médicale, Organisation canadienne des physiciens médicaux, 2021
- Médaille Rotblat, prix pour l’article ayant reçu le plus de citations, Physics in Medicine and Biology, 2018
- Étoile montante, Medical Physics Research Training Network, 2015
Publications Pertinentes
- Raymond, N., Laribi, H., Caru, M., Mitiche, M., Marcil, V., Krajinovic, M., Curnier, D., Sinnett, D. et Vallières, M. (2024). « Development of error passing network for optimizing the prediction of VO₂ peak in childhood acute leukemia survivors », Proceedings of the Conference on Health, Inference, and Learning, p. 506-521, PMLR.
- Andrearczyk, V. et coll. (2023). « Automatic head and neck tumor segmentation and outcome prediction relying on FDG-PET/CT images: Findings from the second edition of the HECKTOR challenge », Medical Image Analysis, vol. 90, 102972.
- Pati, S. et coll. (2022). « Federated learning enables big data for rare cancer boundary detection », Nature Communications, vol. 13, no 1, p. 7346.
- Morin, O. et coll. (2021). « An artificial intelligence framework integrating longitudinal electronic health records with real-world data enables continuous pan-cancer prognostication », Nature Cancer, vol. 2, no 7, p. 709-722.
- Zwanenburg, A. et coll. (2020). « The image biomarker standardization initiative: Standardized quantitative radiomics for high-throughput image-based phenotyping », Radiology, vol. 295, no 2, p. 328-338.