Accueil › Annuaire des chercheurs › Wafa Baccouch
Wafa Baccouch
Affiliation : Tunis University · Tunis El Manar University
- 16Publications (affiliation tunisienne)
- 17Publications au total
- 69Citations
- 4Indice h
Profil de recherche
Wafa Baccouch compte 16 publications référencées (2016–2026). Ses travaux paraissent principalement dans « Procedia Computer Science », « Lecture notes in networks and systems » et « International Conference on Advanced Technologies for Signal and Image Processing ». Son article le plus cité, « A comparative study of CNN and U-Net performance for automatic segmentation of medical images: application to cardiac MRI » (2023), a été cité 34 fois. 8 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 12 chercheurs, notamment dans des établissements de France.
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
- Cardiac Imaging and Diagnostics
- Medical Image Segmentation Techniques
- Cardiovascular Function and Risk Factors
- Artificial Intelligence in Healthcare
- ECG Monitoring and Analysis
Publications (16)
- Deep Learning Based-Methods For Cardiovascular Disease Prediction: Comparative Analysis, Advances, and Future Directions
- A Hybrid Meta-Learning Framework Integrating ECG, Cine-MRI, and Biomarkers for Heart Failure Prediction
- Advancements in T1 Mapping for Cardiac MRI: Comprehensive Review of Techniques, Clinical Applications, Artificial Intelligence Integration, and Future Perspectives
- Deep Learning-Based Algorithm for the Classification of Left Ventricle Segments by Hypertrophy Severity
- Heart Failure Prediction: Performance Evaluation and Comparative Analysis of Machine Learning Algorithms
- An Improved Computational Model Based on Cardiac Imaging Data for the Quantitative and Qualitative Assessment of the Mechanical Properties of the Human Left Ventricle
- Automatic left ventricle volume and mass quantification from 2D cine-MRI: Investigating papillary muscle influence
- Convolution Neural Network for Objective Myocardial Viability Assessment Based on Regional Wall Thickness Quantification From Cine-MR Images
- A comparative study of CNN and U-Net performance for automatic segmentation of medical images: application to cardiac MRI
- Automatic Left Ventricle Segmentation from Short-Axis MRI Images Using U-Net with Study of the Papillary Muscles’ Removal Effect
- Quantification automatique de la fonction ventriculaire gauche en IRM pour l’aide au diagnostic des anomalies de contraction cardiaque
- Automatic delineation of left ventricle contours in MRI using deep learning
- Automatic Regional Estimation of Myocardial Strain Using Deep Learning
- Quantification of left ventricular function in MRI: a review of current approaches
- Preparation, characterization and evaluation of the catalytic power of an hybrid compound [H 3 PMo 12 O 40 -chitosan] for the azoic-colored solutions
- Removal of a wide range of dyes using 4-methyl-2-(naphthalen-2-yl)-N-propylpentanamide-functionalized ethoxy-silica and raw silica
Revues de publication
- Procedia Computer Science × 2
- Lecture notes in networks and systems × 2
- International Conference on Advanced Technologies for Signal and Image Processing × 2
- Journal of the Textile Institute × 2
- Technologies × 1
- Current Cardiology Reviews × 1
Publications par année
- 20263
- 20253
- 20242
- 20233
- 20221
- 20211
- 20201
- 20171
- 20161
Collaborations
Établissements partenaires : University of Monastir · Ecole Nationale d'Ingénieurs de Monastir · Military Hospital of Tunis · Faculté de médecine de Tunis · École Nationale d'Ingénieurs de Metz
Pays des co-auteurs : France
Co-auteurs
- Salam Labidi
- Narjes Benameur
- Sameh Oueslati
- Dhaker Lahidheb
- Mohamed Hamdaoui
- Abderrazak Jemai
- Moncef Aloui
- Faouzi Aloui
- Mahjoub Jabli
- Rania Awadi
- Amani Kallel
- Béchir Ben Hassine
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.