- Ibrahim A, Gamble P, Jaroensri R, Abdelsamea MM, Mermel CH, Cameron Chen P- h, Rakha EA,数字乳腺病理中的人工智能:技术和应用,乳腺杂志,第49卷,第266 -273页,2020。
- 王晓东,王晓东,王晓东,王晓东,基于卷积神经网络的医学图像转移学习,计算机工程与应用,2017,33(1):1。2020.
- M. M. Abdelsamea, R. Barbora, J. Besusparis, S. Cham, a . Pitiot, a . laurinaviius, M. Ilyas,肿瘤包化和量化(TuPaQ):一种通过快速和自动分割肿瘤上皮细化生物标志物分析的工具,组织病理学,74(7),pp.1045-1054, 2019。
- M. M. Abdelsamea, A. Pitiot, R. Barbora, J. Besusparis, A. laurinaviius, M. Ilyas,一种用于结直肠癌肿瘤上皮自动分割的级联学习方法,专家系统与应用,第118卷,2019,539-552页。
- 刘志军,刘志军,刘志军,一种基于自感知器模型的模式分类方法,中国机械工程学报,21(8),763,2019。
- Abdelsamea MM, Mohamed MH, Bamatraf M.利用神经网络在数字化乳房x线照片上自动分类恶性和良性乳腺癌病变。癌症信息学。第18卷,2019年6月。
- M. M. Abdelsamea, G. Gnecco, M. M. Gaber,基于som的无监督图像分割Chan-Vese模型,软计算,第21卷,2017年4月,第2047-2067页。
- M. M. Abdelsamea,基于水平集和不变空间相互关系形状特征的秀丽隐杆线虫表型半自动化系统,视觉传达与图像表示,第41卷,2016年11月,页314-323。
- M. M. Abdelsamea, G. Gnecco, M. M. Gaber, E. Elyan,基于变分水平集和som的主动轮廓的关系,计算智能与神经科学,2015卷,2015。
- M. M. Abdelsamea, G. Gnecco,基于Local-Global som的稳健ACM,电子通讯,卷51,2015年1月22日,页142-143。
- M. M. Abdelsamea, G. Gnecco, M. M. Gaber,一种有效的自组织活动轮廓模型的图像分割,神经计算,卷149,B部分,2015年2月3日,页820-835。
- M. Minervini, M. M. Abdelsamea, S. A. Tsaftaris,基于图像的植物表型分析与增量学习,生态信息学,第23卷,2014年9月,页35-48。
会议出版物选集:
- Asmaa Abbas, M. M. Abdelsamea,使用卷积神经网络进行结核病表现自动分类的学习转换,在第13届IEEE计算机工程与系统国际会议论文集(ICCES 2018)上,埃及开罗,2018年。
- M. M. Abdelsamea, A. Pitiot, R. Barbora, J. Besusparis, A. laurinaviius, M. Ilyas TuPaQ:肿瘤的包裹和量化,病理学杂志。卷》246。2018年,美国新泽西州霍博肯河街111号,邮编07030-5774。
- M. M. Abdelsamea, A. Pitiot, R. Barbora, J. Besusparis, A. laurinaviius, M. Ilyas,一种新的机器学习方法在结直肠癌肿瘤上皮细胞分割,病理学杂志。卷》246。2018年,美国新泽西州霍博肯河街111号,邮编07030-5774。
- M. M. Abdelsamea, G. Gnecco, M. M. Gaber,基于som的主动等高线图像分割研究,第10届自组织地图研讨会论文集,2014年7月02-04日,德国Mittweida,智能系统与计算进展,施普林格(2014)。
- M. M. Abdelsamea, G. Gnecco, M. M. Gaber,基于SOM的Chan-Vese模型的图像分割,第10届自组织地图研讨会论文集,2014年7月02-04日,德国Mittweida,智能系统与计算进展,施普林格,(2014)。
- M. M. Abdelsamea, S. A. Tsaftaris,全局签名区域压力驱动的主动轮廓模型。第18届IEEE数字信号处理国际会议论文集,DSP 2013,圣托里尼,希腊2013。
完整的出版物列表可在https://scholar.google.it/citations?user=ePAHC1QAAAAJ&hl=en