Martin Vallières

Mila > À propos de Mila > Équipe > Martin Vallières
Membre Académique Associé
Martin Vallières
Professeur adjoint, Université de Sherbrooke
Martin Vallières

Martin Vallières est un nouveau professeur adjoint au département d’informatique de l’Université de Sherbrooke (avril 2020). Il a obtenu un doctorat en physique médicale de l’Université McGill en 2017 et a suivi une formation postdoctorale en France et aux États-Unis en 2018 et 2019. L’objectif principal de la recherche de Martin Vallières est centré sur le développement de modèles cliniquement exploitables pour mieux personnaliser les traitement du cancer («oncologie de précision»). Il est expert dans le domaine de la radiomique (analyse quantitative des images médicales) et de l’apprentissage automatique en oncologie. Au cours de sa carrière, il a développé plusieurs modèles prédictifs pour différents types de cancers. Son principal intérêt de recherche se concentre désormais sur l’intégration graphique des données médicales hétérogènes pour une oncologie de précision améliorée.

Publications

2021-01

Overview of the HECKTOR Challenge at MICCAI 2020: Automatic Head and Neck Tumor Segmentation in PET/CT
Vincent Andrearczyk, Valentin Oreiller, Mario Jreige, Martin Vallières, Joel Castelli, Hesham Elhalawani, Sarah Boughdad, John O. Prior and Adrien Depeursinge
(venue unknown)
(2021-01-01)
link.springer.com
FDG-PET/CT Radiomics Models for The Early Prediction of Locoregional Recurrence in Head and Neck Cancer
Hu Cong, Wang Peng, Zhou Tian, Martin Vallières, Xu Chuanpei, Zhu Aijun and Zhang Benxin
Current Medical Imaging Formerly Current Medical Imaging Reviews
(2021-01-01)
www.eurekaselect.com

2020-11

PO-1531: Publishing linked and FAIR radiomics data in radiation oncology via ontologies and Semantic Web
A. Traverso, M. Vallieres, J. Van Soest, L. Wee, O. Morin and A. Dekker
Radiotherapy and Oncology
(2020-11-01)
api.elsevier.com

2020-06

Standardised convolutional filtering for radiomics.
Adrien Depeursinge, Vincent Andrearczyk, Philip Whybra, Joost van Griethuysen, Henning Müller, Roger Schaer, Martin Vallières and Alex Zwanenburg
arXiv preprint arXiv:2006.05470
(2020-06-09)
ui.adsabs.harvard.eduPDF

2020-05

Machine and deep learning methods for radiomics.
Michele Avanzo, Lise Wei, Joseph Stancanello, Martin Vallières, Arvind Rao, Olivier Morin, Sarah A. Mattonen and Issam El Naqa
Medical Physics
(2020-05-01)
aapm.onlinelibrary.wiley.com

2020-04

Deep Learning to Distinguish Benign from Malignant Renal Lesions Based on Routine MR Imaging.
Ianto Lin Xi, Yijun Zhao, Robin Wang, Marcello Chang, Subhanik Purkayastha, Ken Chang, Raymond Y. Huang, Alvin C. Silva, Martin Valliéres, Peiman Habibollahi, Yong Fan, Beiji Zou, Terence P. Gade, Paul J. Zhang, Michael C. Soulen, Zishu Zhang, Harrison X. Bai and S. William Stavropoulos
Clinical Cancer Research
(2020-04-15)
clincancerres.aacrjournals.orgPDF

Publications collected and formatted using Paperoni

array(1) { ["wp-wpml_current_language"]=> string(2) "fr" }