Accueil › Annuaire des chercheurs › Oussama El Othmani
Oussama El Othmani
Affiliation : University of Carthage · Tunisia Polytechnic School · Military Academy, Tunisia
- 20Publications (affiliation tunisienne)
- 21Publications au total
- 34Citations
- 3Indice h
Profil de recherche
Oussama El Othmani compte 20 publications référencées (2025–2026). Ses travaux paraissent principalement dans « IEEE International Conference on Computing and Machine Intelligence (ICMI) », « PLOS Digital Health » et « Zenodo (CERN European Organization for Nuclear Research) ». Son article le plus cité, « AI-driven Automated Blood Cell Anomaly Detection: Enhancing Diagnostics and Telehealth in Hematology » (2025), a été cité 14 fois. Ses travaux sont cosignés avec au moins 5 chercheurs, notamment dans des établissements de Espagne.
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
- Pediatric Pain Management Techniques
- Emotion and Mood Recognition
- Infant Health and Development
- Multimodal Machine Learning Applications
- Cell Image Analysis Techniques
Publications (20)
- AVPENet: Pain estimation from audio-visual fusion of non-speech sounds
- PANDIA: Personalized neuro-symbolic multimodal fusion for interpretable neonatal pain assessment
- RST-Guided Adaptive Multimodal Fusion Transformer for Interpretable Infant Pain Assessment
- Cross-Spectral-Fusion-of-Thermal
- SSS-TT: Self-supervised sequential spatio-temporal transformers with adaptive multimodal fusion for automated neonatal pain assessment
- Personalized Adaptive Neuro-symbolic Data-fusion for Infant Assessment
- Cross-spectral fusion of thermal and RGB imaging for objective pain estimation
- STT-SSCAF: Transformer-Based Infant Pain Estimation with Self-Supervised Learning and Multimodal Fusion
- MST-AFF: A Multi-Modal Spatio-Temporal Transformer with Adaptive Feature Fusion for Pain Intensity Estimation
- C-MINT: A Causality-Aware Tokenized Multimodal Transformer for Infant Pain Estimation and Time-to-Relief Prediction
- EvoGraphConPain: an adaptive multimodal graph intelligence framework for neonatal pain assessment
- Zero-shot multimodal pain estimation via synthetic pain simulation and domain-invariant learning
- Multimodal Deep Learning Framework with Cross-Attention Mechanisms for Automated Neonatal Pain Assessment: A Multi-site Clinical Engineering Study
- UAG-MF: Uncertainty-aware generative multimodal fusion for continuous pain estimation in non-verbal patients under clinical occlusions
- AI-driven Automated Blood Cell Anomaly Detection: Enhancing Diagnostics and Telehealth in Hematology
- Rough Set Theory and Soft Computing Methods for Building Explainable and Interpretable AI/ML Models
- Pain Level Classification Using Eye-Tracking Metrics and Machine Learning Models
- AI-Driven Pain Monitoring Dashboard for Infants: A Pilot Study for NICU and Family Medicine Clinics
- Transformer Networks for Morphological Analysis and Functional Status Classification of Blood Cells
- Correction: El Othmani et al. AI-driven Automated Blood Cell Anomaly Detection: Enhancing Diagnostics and Telehealth in Hematology. J. Imaging 2025, 11, 157
Revues de publication
- IEEE International Conference on Computing and Machine Intelligence (ICMI) × 4
- PLOS Digital Health × 3
- Zenodo (CERN European Organization for Nuclear Research) × 3
- Journal of Imaging × 2
- IEEE Journal of Biomedical and Health Informatics × 1
- Applied Intelligence × 1
Publications par année
- 202614
- 20256
Collaborations
Établissements partenaires : Manouba University · University of Monastir · Hôpital Sahloul · Universidad Politécnica de Madrid
Pays des co-auteurs : Espagne
Co-auteurs
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.