Accueil › Annuaire des chercheurs › Mohammed Ammar
Mohammed Ammar
محمد عمار(transcription automatique)
Affiliation : University of Boumerdes
- 23Publications (affiliation algérienne)
- 38Publications au total
- 428Citations
- 8Indice h
Profil de recherche
Mohammed Ammar compte 23 publications référencées (2010–2025). Ses travaux paraissent principalement dans « Scientific Reports », « Procedia Computer Science » et « Journal of Mechanics in Medicine and Biology ». Son article le plus cité, « Benchmark for Algorithms Segmenting the Left Atrium From 3D CT and MRI Datasets » (2015), a été cité 204 fois. 5 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 12 chercheurs.
C’est vous ? Faites connaître vos travaux
Créez gratuitement votre profil DzCademia et ajoutez vos articles : ils apparaîtront plus facilement sur Google et dans les assistants d’IA comme ChatGPT. Plus de personnes pourront vous lire et vous citer.
Créer mon profil gratuit Ajouter mes publicationsDomaines de recherche
- Medical Image Segmentation Techniques
- Cardiac Imaging and Diagnostics
- Medical Imaging and Analysis
- Artificial Intelligence in Healthcare and Education
- Image Retrieval and Classification Techniques
Publications (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
Revues de publication
- 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
Publications par année
- 20252
- 20241
- 20232
- 20225
- 20184
- 20171
- 20163
- 20151
- 20141
- 20112
Collaborations
Établissements partenaires : University of Abou Bekr Belkaïd · University of Bechar · University of Ouargla
Co-auteurs
- 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
Données bibliographiques issues d’OpenAlex (base ouverte).
Pourquoi choisir Dzcademia ?
Pour donner à vos travaux plus de chances d’être découverts et recommandés par les IA. Profils, articles et communications : donnez à votre recherche une présence publique structurée. Les métadonnées intégrées aident les moteurs de recherche et les assistants IA à identifier vos travaux et à comprendre leurs références.
Commenter avec Google
Connecte-toi avec Google pour commenter directement sur cette page.