Chercheuse ou chercheur

Titres

• Professeur adjoint, Département de génie informatique et génie logiciel, Polytechnique Montréal, 2019
• Chercheur, CHU Sainte-Justine, 2019

Laboratoire

Laboratoire de Recherche en Imagerie par Résonance Magnétique chez les enfants (laboratoire MAGIC)

• Postdoctorat, Institut de neurologie de Montréal, Université McGill, Montréal, Canada, 2018-2019
• Postdoctorat, Département de génie électrique, Polytechnique Montréal, Montréal, Canada, 2017-2018
• Ph.D., Génie biomédical, Polytechnique Montréal, Montréal, Canada, 2014-2017
• M.Sc.A. Génie biomédical, Polytechnique Montréal, Montréal, Canada, 2012-2014
• M.Sc.A., Ingénierie biomédicale, Université Libre de Bruxelles, Bruxelles, Belgique, 2011-2014
• B. Ing., Ingénierie biomédicale, Université Libre de Bruxelles, Bruxelles, Belgique, 2007-2011

• Imagerie médicale
• Vision par ordinateur
• Neuroimagerie pédiatrique
• Traitement et analyse d'images
• Apprentissage machine
• Modélisation

Sujets CRSNG

• 1901 Technologie biomédicale
• 2603 Vision artificielle
• 2605 Analyse de formes et intelligence artificielle
• 2604 Applications de systèmes intelligents
• 2708 Traitement d'images et traitement vidéo

Sommaire de carrière

Mes intérêts de recherche portent sur le développement de nouvelles technologies en neuroimagerie pédiatrique, avec un intérêt particulier sur les outils d'analyse d'images open-source du cerveau et de la moelle épinière acquises par résonance magnétique, en utilisant des approches avancées de segmentation et de recalage d'image, de template et d'atlas neurodéveloppementaux et d'apprentissage machine. En plus d’être situé à Polytechnique Montréal, le laboratoire MAGIC est lié à l'Institut TransMedTech et au Centre de Recherche du CHU Sainte-Justine, offrant des collaborations importantes entre chercheurs, ingénieurs, psychologue, radiologues et médecins.

Prix et distinctions

• Chaire TransMedTech en génie informatique, 2019-2021
• Bourse d’études postdoctorales, HBHL, 2018-2019
• Bourse d’études doctorales, FRQNT, 2016-2017
• Étudiant chercheur étoile du FRQNT, 2016

Financements majeurs

• Chaire TransMedTech en génie informatique, 2019-2021

Présentations

• De Leener B, Solstrand Dahlberg L, Khatibi A, Cohen-Adad J, Doyon J. Effect of non-protonated perfluorocarbon liquid-filled SatPadsTM on spinal cord MR imaging. Proceedings of the 28th Annual Meeting of ISMRM, Sydney, Australia. 2020.
• De Leener B, Solstrand Dahlberg L, Khatibi A, Kinany N, Doyon J. Improving spatial normalization of functional MRI data of the spinal cord using cerebrospinal fluid segmentation. Proceedings of the 28th Annual Meeting of ISMRM, Sydney, Australia. 2020.
• Ouellette R, Treaba CA, Granberg T, Barletta V, Herranz E, Mangeat G, et al. Characterization of multiple sclerosis grey and white matter pathology in the brain and spinal cord at 7 Tesla MRI. ECTRIMS 2018. 2018.
• Shahrampour S, De Leener B, Middelton D, Flanders A, Faro S, Cohen-Adad J, et al. Volumetric Analysis of Pediatric Spinal Cord Structural MRI data using SCT. Proceedings of the 56th Annual Meeting and the ASNR Symposium 2018. 2018. p. O433.
• De Leener B, Fonov V, Collins DL, Callot V, Stikov N, Cohen-Adad J. PAM50: Multimodal template of the brainstem and spinal cord compatible with the ICBM152 space. Proceedings of the 25th Annual Meeting of ISMRM, Honolulu, USA. 2017.

Publications

Consulter la liste complète.

• Eden D, Gros C, Badji A, Dupont SM, De Leener B, Maranzano J, et al. Spatial distribution of multiple sclerosis lesions in the cervical spinal cord. Brain. 2019;142: 633–646. doi:10.1093/brain/awy352
• Gros C, De Leener B, Badji A, Maranzano J, Eden D, Dupont SM, et al. Automatic segmentation of the spinal cord and intramedullary multiple sclerosis lesions with convolutional neural networks. Neuroimage. arxiv.org; 2019;184: 901–915. doi:10.1016/j.neuroimage.2018.09.081
• Martin AR, De Leener B, Cohen-Adad J, Kalsi-Ryan S, Cadotte DW, Wilson JR, et al. Monitoring for myelopathic progression with multiparametric quantitative MRI. PLoS One. 2018;13: e0195733. doi:10.1371/journal.pone.0195733
• De Leener B, Fonov VS, Collins DL, Callot V, Stikov N, Cohen-Adad J. PAM50: Unbiased multimodal template of the brainstem and spinal cord aligned with the ICBM152 space. Neuroimage. 2018;165: 170–179. doi:10.1016/j.neuroimage.2017.10.041
• Gros C, De Leener B, Dupont SM, Martin AR, Fehlings MG, Bakshi R, et al. Automatic spinal cord localization, robust to MRI contrasts using global curve optimization. Med Image Anal. 2017;44: 215–227. doi:10.1016/j.media.2017.12.001
• Prados F, Ashburner J, Blaiotta C, Brosch T, Carballido-Gamio J, Cardoso MJ, et al. Spinal cord grey matter segmentation challenge. Neuroimage. 2017;152: 312–329. doi:10.1016/j.neuroimage.2017.03.010
• De Leener B, Mangeat G, Dupont S, Martin AR, Callot V, Stikov N, et al. Topologically preserving straightening of spinal cord MRI. J Magn Reson Imaging. 2017; doi:10.1002/jmri.25622
• Martin AR, De Leener B, Cohen-Adad J, Cadotte DW, Kalsi-Ryan S, Lange SF, et al. Clinically Feasible Microstructural MRI to Quantify Cervical Spinal Cord Tissue Injury Using DTI, MT, and T2*-Weighted Imaging: Assessment of Normative Data and Reliability. AJNR Am J Neuroradiol. 2017;38: 1257–1265. doi:10.3174/ajnr.A5163
• Martin AR, De Leener B, Cohen-Adad J, Cadotte DW, Kalsi-Ryan S, Lange SF, et al. A Novel MRI Biomarker of Spinal Cord White Matter Injury: T2*-Weighted White Matter to Gray Matter Signal Intensity Ratio. AJNR Am J Neuroradiol. 2017;38: 1266–1273. doi:10.3174/ajnr.A5162
• De Leener B, Lévy S, Dupont SM, Fonov VS, Stikov N, Louis Collins D, et al. SCT: Spinal Cord Toolbox, an open-source software for processing spinal cord MRI data. Neuroimage. 2017;145: 24–43. doi:10.1016/j.neuroimage.2016.10.009