Ikrame Housni

Ikrame est étudiante à la maîtrise en génie biomédical à l'Université de Montréal. Ses travaux actuels portent sur l'étude de la relation entre la pathologie vasculaire cérébrale détectée par IRM, l'architecture vasculaire cérébrale et les démences liées à l'âge. La passion d'Ikrame pour la recherche scientifique va au-delà du travail en laboratoire, car la communication scientifique fait partie intégrante de ses activités de recherche. Il est essentiel de rendre la science accessible au grand public, et elle pense que l'application des connaissances est essentielle pour atteindre cet objectif et espère contribuer à cet effort.

Rencontrez nos membres : Aperçus et conseils des participants de la Journée scientifique 2023

Par Ikrame Housni / 2023-07-31 / Entrevues

À la fin de la journée scientifique, les participants se sont réunis lors d'une réception cocktail pour réseauter et discuter de leurs recherches. J'ai eu l'occasion d'interviewer quelques participants et de recueillir leurs impressions sur l'événement. J'ai également saisi cette opportunité pour m'informer de leurs propres expériences et recueillir des conseils précieux à l'intention des jeunes étudiants en recherche. Lisez la suite pour avoir un aperçu des remarques partagées au cours de ces conversations !

Qu'est-ce que l'apprentissage profond et que peut-il apporter aux diagnostics basés sur la neuroimagerie ?

Par Ikrame Housni / 2023-03-22 / Dossier / Vieillissement, Apprentissage profond, Neuroimagerie, Neuroscience

[Cet article est en anglais] In our everyday lives, we all process and recognize hundreds of different objects (colors, shapes, animals, faces…), and although we may not think about it, developing this ability is actually an intricate learning process. Much like people, machines can be taught object recognition by mimicking the learning process of the human brain. This process, called Deep Learning, is an application of artificial intelligence that, although designed to learn through a specific set of data at first, can continue to learn on its own and improve from experience, without being explicitly programmed to do so.