الرئيسية › دليل الباحثين › Mohammed Ammar
Mohammed Ammar
محمد عمار(كتابة آلية)
الانتماء : University of Boumerdes
- 23منشورات (انتماء جزائري)
- 38مجموع المنشورات
- 428الاستشهادات
- 8مؤشر h
الملف البحثي
لدى Mohammed Ammar 23 منشور(ات) مفهرسة (2010–2025). تُنشر أعماله أساسًا في «Scientific Reports»، «Procedia Computer Science» و«Journal of Mechanics in Medicine and Biology». أكثر مقالاته استشهادًا هو «Benchmark for Algorithms Segmenting the Left Atrium From 3D CT and MRI Datasets» (2015)، وقد استُشهد به 204 مرة. 5 من هذه المنشورات تعود إلى آخر ثلاث سنوات من النشاط. شارك في تأليف أعماله 12 باحثًا على الأقل.
هل هذا أنت؟ عرّف بأبحاثك
أنشئ ملفك على DzCademia مجانًا وأضف مقالاتك: ستظهر بسهولة أكبر على Google وفي مساعدي الذكاء الاصطناعي مثل ChatGPT، فيقرؤها ويستشهد بها عدد أكبر من الناس.
إنشاء ملفي المجاني إضافة منشوراتيمجالات البحث
- Medical Image Segmentation Techniques
- Cardiac Imaging and Diagnostics
- Medical Imaging and Analysis
- Artificial Intelligence in Healthcare and Education
- Image Retrieval and Classification Techniques
المنشورات (23)
- Enhancing fetal ultrasound image quality and anatomical plane recognition in low-resource settings using super-resolution models
- High-capacity DWT-SVD watermarking for MRI images embedding MITR medical information
- Semantic segmentation of coronary arteries in computed tomography angiograph: A multi-center, multi-vendor and multi disease study
- Generalisability of fetal ultrasound deep learning models to low-resource imaging settings in five African countries
- Author Correction: Generalisability of fetal ultrasound deep learning models to low-resource imaging settings in five African countries
- Deep Learning Models for Intracranial Hemorrhage Recognition: A comparative study
- Toward an automatic detection of cardiac structures in short and long axis views
- Generalisability of fetal ultrasound deep learning models to low-resource imaging settings in five African countries
- Deep Learning Models for Coronary Atherosclerosis Detection in Coronary CT Angiography
- A NEW STRATEGY FOR AUTOMATIC BREAST CANCER SEGMENTATION IN MRI IMAGES
- Combining GLCM with LBP features for knee osteoarthritis prediction: Data from the Osteoarthritis initiative
- Feature Extraction using CNN for Peripheral Blood Cells Recognition
- A Set of Texture-Based Methods for Breast Cancer Response Prediction in Neoadjuvant Chemotherapy Treatment
- Contributors
- Shape irregularity based area measurement: Application on cell nucleus recognition
- Breast Cancer Response Prediction in Neoadjuvant Chemotherapy Treatment Based on Texture Analysis
- Real Time GPU-Based Segmentation and Tracking of the Left Ventricle on 2D Echocardiography
- New circularity index using Radon transform
- Benchmark for Algorithms Segmenting the Left Atrium From 3D CT and MRI Datasets
- Toward an Automatic Left Atrium Localization Based on Shape Descriptors and Prior Knowledge
- Endocardial Border Detection in Cardiac Magnetic Resonance Images Using Level Set Method
- AUTOMATIC SEGMENTATION OF CARDIAC MAGNETIC RESONANCE IMAGES USING ACTIVE APPEARANCE MODELS AND HAUSDORFF DISTANCE
- A Neuro-Fuzzy Identification of ECG Beats
مجلات النشر
- Scientific Reports × 3
- Procedia Computer Science × 2
- Journal of Mechanics in Medicine and Biology × 2
- ICST Transactions on Scalable Information Systems × 2
- Elsevier eBooks × 2
- Lecture notes in computer science × 2
المنشورات حسب السنة
- 20252
- 20241
- 20232
- 20225
- 20184
- 20171
- 20163
- 20151
- 20141
- 20112
التعاون العلمي
المؤسسات الشريكة : University of Abou Bekr Belkaïd · University of Bechar · University of Ouargla
المؤلفون المشاركون
- Mohammed Amine Chikh
- Amel Laidi
- Amine Abbou
- Mostafa El Habib Daho
- Khaled Harrar
- Aya Goudjil
- Mohamed Amine Lamri
- Hafida Boumeridja
- Abdelaziz Daoudi
- Khadidja Messaoudene
- Radjà Marouf
- Aicha Benyoucef
البيانات البيبليوغرافية مصدرها OpenAlex (قاعدة مفتوحة).
لماذا تختارون Dzcademia؟
ملفات أكاديمية ومقالات ومداخلات علمية: امنحوا أبحاثكم حضوراً عاماً منظماً. تساعد البيانات الوصفية المدمجة محركات البحث ومساعدات الذكاء الاصطناعي على التعرف على أعمالكم وفهم مراجعها.
علّق عبر Google
سجّل الدخول عبر Google للتعليق مباشرة على هذه الصفحة.