Personne :
Akhloufi, Moulay Abdellatif

Photo de profil
Adresse électronique
Date de naissance
Projets de recherche
Structures organisationnelles
Fonction
Nom de famille
Akhloufi
Prénom
Moulay Abdellatif
Affiliation
Université Laval. Département de génie électrique et de génie informatique
ISNI
ORCID
Identifiant Canadiana
ncf11864997
person.page.name

Filtres

2013 - 201912020 - 20221
2
2
11
Réinitialiser les filtres

Paramètres

Résultats de recherche

Voici les éléments 1 - 2 sur 2
  • Publication
    Accès libre
    Reconnaissance des visages par imagerie multispectrale : du visible à l'infrarouge lointain
    (2013) Akhloufi, Moulay Abdellatif; Bendada, Abdelhakim
    La reconnaissance des visages est un domaine de la vision artificielle qui connaît un intérêt grandissant depuis quelques années. Plusieurs approches intéressantes ont été développées dans le spectre visible. Les systèmes opérant dans ce spectre souffrent de plusieurs limitations dues aux changements dans l'éclairage et dans les expressions faciales. Dans ce travail, nous avons utilisé l'imagerie multispectrale, plus particulièrement l'imagerie infrarouge active et passive, pour améliorer la performance de la reconnaissance des visages et éviter les limitations imposées par le spectre visible. Les spectres infrarouges ont aussi leurs propres limitations, comme l'opacité des lunettes dans l'infrarouge thermique. Les solutions développées visent à résoudre ces problématiques. Nous avons développé des stratégies de fusion intra- et inter-spectres opérant dans l'espace des textures et utilisant des approches de réduction de dimensionnalités linéaires et non linéaires. Un nouvel opérateur de texture adaptatif et une nouvelle représentation des caractéristiques physiologiques des visages extraits de l'image thermique ont aussi été développés. Finalement, nous avons produit une base de données multispectrale appelée /.-Faces qui a été utilisée pour les tests ainsi que la base de données Equinox pour l'évaluation des algorithmes développés. Les résultats positifs des essais expérimentaux démontrent l'efficacité des algorithmes proposés pour construire un système de reconnaissance des visages plus performant.
  • Publication
    Accès libre
    Dual-intended deep learning model for breast cancer diagnosis in ultrasound imaging
    (MDPI, 2022-05-27) Vigil, Nicolle; Akhloufi, Moulay Abdellatif; Barry, Madeline; Maldague, X.; Amini, Arya; Yousefi, Bardia; Ma, Lan; Ren, Lei
    Automated medical data analysis demonstrated a significant role in modern medicine, and cancer diagnosis/prognosis to achieve highly reliable and generalizable systems. In this study, an automated breast cancer screening method in ultrasound imaging is proposed. A convolutional deep autoencoder model is presented for simultaneous segmentation and radiomic extraction. The model segments the breast lesions while concurrently extracting radiomic features. With our deep model, we perform breast lesion segmentation, which is linked to low-dimensional deep-radiomic extraction (four features). Similarly, we used high dimensional conventional imaging throughputs and applied spectral embedding techniques to reduce its size from 354 to 12 radiomics. A total of 780 ultrasound images—437 benign, 210, malignant, and 133 normal—were used to train and validate the models in this study. To diagnose malignant lesions, we have performed training, hyperparameter tuning, cross-validation, and testing with a random forest model. This resulted in a binary classification accuracy of 78.5% (65.1–84.1%) for the maximal (full multivariate) cross-validated model for a combination of radiomic groups.