Анализ сайта shape.polymtl.ca
Основное Готовность: 75%
Домен
shape.polymtl.ca
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
http://shape.polymtl.ca
301 MovedPermanently
https://shape.polymtl.ca/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 04.10.2026 22:45:22.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Кодировка на странице не определена. Укажите явно кодировку документа!
Язык
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык страницы не указан. Рекомендуется явно указать язык документа!
Скорость загрузки
~1,27сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 1,27сек превышает 1 секунду. Желательно улучшить работу сайта!
Объем документа
108Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 108Кб оптимален.
Ресурсы
Ресурсы: 8
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 8 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | https://shape.polymtl.ca/lombaert/classic.css |
| stylesheet | text/css | https://shape.polymtl.ca/lombaert/menu.css |
| stylesheet | text/css | https://shape.polymtl.ca/lombaert/list.css |
| stylesheet | text/css | lombaert/info.css |
| stylesheet | text/css | lombaert/list.css |
| stylesheet | text/css | lombaert/box.css |
| stylesheet | text/css | lombaert/bib/bibtex-small.css |
| js | https://www.googletagmanager.com/gtag/js?id=G-ZSWBXLLLGN |
Серверные заголовки
Кол-во: 2
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 2шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | nginx |
| Date | Sun, 23 Aug 2026 14:50:58 GMT |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
nginx
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
Сайт работает на веб-сервере nginx.
Мета-теги Готовность: 48%
Title
PolyShape Lab
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 13, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Herve Lombaert - Website
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо увеличить число символов в description (текущее значение мало: 24, минимум: 80, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1.0
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 6
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:title | PolyShape Lab |
| og:description | PolyShape Team - We develop geometric machine learning algorithms to advance medical image analysis. |
| og:image | https://shape.polymtl.ca/lombaert/images/logo-polyshape_social_1200x630.png |
| og:url | https://shape.polymtl.ca |
| og:logo | https://shape.polymtl.ca/lombaert/images/logo-polyshape-only.png"" |
| og:type | website |
Все мета-теги
Кол-во: 10
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 10шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | title | Herve Lombaert |
| name | description | Herve Lombaert - Website |
| name | googlebot | NOODP |
| name | viewport | width=device-width, initial-scale=1.0 |
| property | og:title | PolyShape Lab |
| property | og:description | PolyShape Team - We develop geometric machine learning algorithms to advance medical image analysis. |
| property | og:image | https://shape.polymtl.ca/lombaert/images/logo-polyshape_social_1200x630.png |
| property | og:url | https://shape.polymtl.ca |
| property | og:logo | https://shape.polymtl.ca/lombaert/images/logo-polyshape-only.png"" |
| property | og:type | website |
Оптимизация Готовность: 40%
Структура
Есть замечания
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Не найден главный тег документа <body>. Проверьте структуру html-документа на наличие тега <body>!
Строго говоря, это не является ошибкой, а важным замечанием. В стандарте HTML теги html, body не являются обязательными, но все же лучше следовать общепринятым стандартам построения веб-страниц.
Строго говоря, это не является ошибкой, а важным замечанием. В стандарте HTML теги html, body не являются обязательными, но все же лучше следовать общепринятым стандартам построения веб-страниц.
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 0 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 0 слишком мало. Сделайте контент более читаемым!
Кол-во знаков контента 29810 на странице оптимально.
Кол-во слов 4367 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 13. Это хорошо.
Тошнота
10,54
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
50,47%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| lombaert | 111 | 2,54% |
| medical | 60 | 1,37% |
| analysis | 47 | 1,08% |
| segmentation | 46 | 1,05% |
| publications | 36 | 0,82% |
| spectral | 32 | 0,73% |
| imaging | 32 | 0,73% |
| miccai | 32 | 0,73% |
| presentation | 30 | 0,69% |
| acceptance | 29 | 0,66% |
| learning | 27 | 0,62% |
| desrosiers | 22 | 0,50% |
| computer | 19 | 0,44% |
| cheriet | 17 | 0,39% |
| surface | 16 | 0,37% |
| intern | 16 | 0,37% |
| ayache | 15 | 0,34% |
| thesis | 15 | 0,34% |
| gopinath | 14 | 0,32% |
| research | 12 | 0,27% |
Индексация Готовность: 0%
Индексирование
Есть ошибки
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 297 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
Robots.txt
Не найден
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 158
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 158 слишком много. Проведите оптимизацию сайта!
На странице присутствуют изображения 112.
Показать первые 100 внутренних ссылок
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /lombaert/index.php |
About
|
|
Анализировать url |
| /lombaert/index.php |
Short Bio
|
|
Анализировать url |
| /lombaert/calendar.php |
Calendar
|
|
Анализировать url |
| /lombaert/visits.php |
Your Visits
|
|
Анализировать url |
| /lombaert/research.php |
Research
|
|
Анализировать url |
| /lombaert/research.php |
Themes
|
|
Анализировать url |
| /lombaert/team.php |
Team
|
|
Анализировать url |
| /lombaert/teaching.php |
Teaching
|
|
Анализировать url |
| /lombaert/prizes.php |
Awards & Funding
|
|
Анализировать url |
| /lombaert/team.php |
Team
|
|
Анализировать url |
| /lombaert/team.php |
Members
|
|
Анализировать url |
| /lombaert/code-of-conduct.php |
Code of Conduct
|
|
Анализировать url |
| /lombaert/publications.php |
Publications
|
|
Анализировать url |
| /lombaert/publications.php |
Articles
|
|
Анализировать url |
| /lombaert/reviews.php |
Review Duties
|
|
Анализировать url |
| /lombaert/code.php |
Code
|
|
Анализировать url |
| /lombaert/talks.php |
Talks
|
|
Анализировать url |
| /lombaert/jobs.php |
Hiring: (4) PhD, (2) MSc, (1) Postdoc
|
|
Анализировать url |
| /lombaert/jobs.php |
https://shape.polymtl.ca/lombaert/jobs.php
|
|
Анализировать url |
| /lombaert/MSJ-Benveniste-MS-Lesion-Segmentation-2026.pdf |
Generalizable Spinal Cord Multiple Sclerosis Lesion Segmentation Across MRI Contrasts, Protocols, and Centers
|
|
|
| /lombaert/TBME-Gaillochet-LearnablePrompt-2025.pdf |
Prompt learning with bounding box constraints for medical image segmentation
|
|
|
| /lombaert/MedIA-Murugesan-Calibration-2024.pdf |
Neighbor-Aware Calibration of Segmentation Networks with Penalty-Based Constraints
|
|
|
| /lombaert/Melba-Adiga-GeoLS-2024.pdf |
GeoLS: an Intensity-based, Geodesic Soft Labeling for Image Segmentation
|
|
|
| /lombaert/MedIA-Adiga-Anatomically-Aware-Uncertainty-2023.pdf |
Anatomically-aware Uncertainty for Semi-supervised Image Segmentation
|
|
|
| /lombaert/MedIA-Gaillochet-StochasticActiveLearning-2023.pdf |
Active Learning for Medical Image Segmentation with Stochastic Batches
|
|
|
| /lombaert/MedIA-Gopinath-SurfaceRecon-2023.pdf |
Learning Joint Surface Reconstruction and Segmentation, from Brain Images to Cortical Surface Parcellation
|
|
|
| /lombaert/MedIA-Bateson-SourceFreeDA-2022.pdf |
Source-free Domain Adaptation for Image Segmentation
|
|
|
| /lombaert/JBHI-Adiga-DynamicLearners-2022.pdf |
Attention-based Dynamic Subspace Learners for Medical Image Analysis
|
|
|
| /lombaert/Galdran2022_NatureSR.pdf |
Little W-Net: State-of-the-Art Retinal Vessel Segmentation with Minimalistic Models
|
|
|
| /lombaert/Frontiers-AnctilRobitaille-DiffusionSynthesis-2022.pdf |
Manifold-aware Synthesis of High-resolution Diffusion from Structural Imaging
|
|
|
| /lombaert/CMIG-Karami-Tissue_Simulation-2022.pdf |
Real-time simulation of viscoelastic tissue behavior with physics-guided deep learning
|
|
|
| /lombaert/MedIA-Delisle-Normalization-2020.pdf |
Realistic Image Normalization for Multi-Domain Segmentation
|
|
|
| /lombaert/TMI-Bateson-ConstrainedDA-2021.pdf |
Constrained Domain Adaptation for Image Segmentation
|
|
|
| /lombaert/PAMI-Gopinath-Learnable-Pooling-2020.pdf |
Learnable Pooling in Graph Convolutional Networks for Brain Surface Analysis
|
|
|
| /lombaert/Galdran2020_TVST.pdf |
Non-uniform Label Smoothing for Diabetic Retinopathy Grading from Retinal Fundus Images with Deep Neural Networks
|
|
|
| /lombaert/MedIA-GraphConvolutions.pdf |
Graph Convolutions on Spectral Embeddings for Cortical Surface Parcellation
|
|
|
| /lombaert/Dolz2018_TMI.pdf |
HyperDense-Net: A hyper-densely connected CNN for multi-modal image segmentation
|
|
|
| /lombaert/Ahmad2017_JBHI.pdf |
Spectral Shape Analysis of Human Torsos: Application to the Evaluation of Scoliosis Surgery Outcome
|
|
|
| /lombaert/Orasanu2016_BB.pdf |
Cortical Folding of the Preterm Brain: A Longitudinal Analysis of Extremely Preterm Born Neonates using Spectral Matching
|
|
|
| /lombaert/Shakeri2016_CMIG.pdf |
Statistical Shape Analysis of Subcortical Structures using Spectral Matching
|
|
|
| /lombaert/SpectralDemons-IJCV2013.pdf |
Spectral Log-Demons - Diffeomorphic Image Registration with Very Large Deformations
|
|
|
| /lombaert/PAMI-Lombaert-FOCUSR-2013.pdf |
FOCUSR: Feature Oriented Correspondence using Spectral Regularization - A Method for Precise Surface Matching
|
|
|
| /lombaert/TMI-HumanAtlas-CardiacFibers-2012.pdf |
Human Atlas of the Cardiac Fiber Architecture: Study on a Healthy Population
|
|
|
| /lombaert/MICCAI-ShapeMI-DellAnielloPicard-Joint2D3D-SSM-2026.pdf |
A Joint 2D–3D Statistical Shape Model for Orthopedic Reconstruction
|
|
|
| /lombaert/MICCAI-OffGrid-Poudel-ShapeGuided-GaussianSplatting-2026.pdf |
Shape-guided Gaussian Splatting for Sparse-View X-ray 3D Reconstruction
|
|
|
| /lombaert/MICCAI-STACOM-Teo-SpatioTemporalTracking-2026.pdf |
Spatiotemporal Distillation via Recurrent Bottlenecks for Aortic Tracking
|
|
|
| /lombaert/WiML-Hsieh-AnatomicalKLGrading-2026.pdf |
Anatomically-Guided Patches for Joint KL and OARSI Grading of Knee Osteoarthritis
|
|
|
| /lombaert/MIDL-Danaee-Active-Entropy-2026.pdf |
Exploring Entropy-based Active Learning for Fair Brain Segmentation
|
|
|
| /lombaert/IPMI-Kubik-ToothForge-2025.pdf |
ToothForge: Automatic Dental Shape Generation using Synchronized Spectral Embeddings
|
|
|
| /lombaert/NeurIPS-Dastani-Trust-2025.pdf |
TRUST: Test-Time Refinement using Uncertainty-Guided SSM Traverses
|
|
|
| /lombaert/MICCAI-Abboud-Variational-Visible-Layers-2025.pdf |
Variational Visible Layers: A Practical Framework for Uncertainty Estimation
|
|
|
| /lombaert/MICCAI-ShapeMI-Chang-KL-Grading-2025.pdf |
Anatomically-Focused Patches for Lightweight and Explainable Knee OA Grading
|
|
|
| /lombaert/ESMRMB-Benveniste-Lesion-Segmentation-2025.pdf |
Reinforcing the generalizability of spinal cord multiple sclerosis lesion segmentation models
|
|
|
| /lombaert/ECTRIMS-Benveniste-Lesion-Segmentation-2025.pdf |
Investigations on the mitigation of 'noisy labels' for the automatic segmentation
|
|
|
| /lombaert/CVPR-Dastani-Spectral-State-Space-2025.pdf |
Spectral State Space Model for Rotation-Invariant Visual Representation Learning
|
|
|
| /lombaert/MICCAI-Abboud-SparseBayesianNets-2024.pdf |
Sparse Bayesian Networks: Efficient Uncertainty Quantification in Medical Image Analysis
|
|
|
| /lombaert/WiML-Abboud-SparseBayesianNets-2024.pdf |
Sparse Partial Bayesian Networks: Efficient Uncertainty Quantification in Medical Image Analysis
|
|
|
| /lombaert/MICCAI-MedAGI-Gaillochet-AutomatedMedSAM-2024.pdf |
Automating MedSAM by Learning Prompts with Weak Few-Shot Supervision
|
|
|
| /lombaert/MICCAI-Murugesan-TrustNeighbors-2023.pdf |
Trust your neighbours: Penalty-based constraints for model calibration
|
|
|
| /lombaert/MIDL-Adiga-GeodesicLS-2023.pdf |
GeoLS: Geodesic Label Smoothing for Image Segmentation
|
|
|
| /lombaert/MICCAI-DALI-Gaillichet-TAAL-ActiveLearning-2022.pdf |
TAAL: Test-time Augmentation for Active Learning in Medical Image Segmentation
|
|
|
| /lombaert/MICCAI-Adiga-LabelingPrior-2022.pdf |
Leveraging Labeling Representations in Uncertainty-based Semi-supervised Segmentation
|
|
|
| /lombaert/MICCAI-Bateson-TestTimeAdaptation-2022.pdf |
Test-Time Adaptation with Shape Moments for Image Segmentation
|
|
|
| /lombaert/Rezanejad2022_CVPR.pdf |
3D Shape Representation via Spectral Coordinates on Medial Manifolds
|
|
|
| /lombaert/MIDL-Adiga-DynamicLearners-2022.pdf |
Attention-based Dynamic Subspace Learners
|
|
|
| /lombaert/MIDL-Bateson-SourceFreeDomainAdaptation-2022.pdf |
Source-Free Domain Adaptation for Image Segmentation
|
|
|
| /lombaert/Gopinath2021_MICCAI.pdf |
SegRecon: Learning Joint Brain Surface Reconstruction and Segmentation from Images
|
|
|
| /lombaert/MICCAI-Bateson-SourceRelaxed-Adaptation-2020.pdf |
Source-Relaxed Domain Adaptation for Image Segmentation
|
|
|
| /lombaert/Galdran2020_MICCAI.pdf |
Cost-Sensitive Regularization for Diabetic Retinopathy Grading from Eye Fundus Images
|
|
|
| /lombaert/MICCAI-CDMRI-AnctilRobitaille-2020.pdf |
Manifold-Aware CycleGAN for High-Resolution Structural-to-DTI Synthesis
|
|
|
| /lombaert/Gopinath2020_MICCAI-GRAIL.pdf |
Graph Domain Adaptation for Alignment-Invariant Brain Surface Segmentation
|
|
|
| /lombaert/ISBI-Delisle-Normalization-2020.pdf |
Adversarial Normalization for Multi Domain Image Segmentation
|
|
|
| /lombaert/ISBI-HeGopinath-SpectralGraphTransformer-2020.pdf |
Spectral Graph Transformer Networks for Brain Surface Parcellation
|
|
|
| /lombaert/MICCAI-Bateson-DomainAdaptation-2019.pdf |
Constrained Domain Adaptation for Segmentation
|
|
|
| /lombaert/IPMI-GraphConvPooling-2019.pdf |
Adaptive Graph Convolution Pooling for Brain Surface Analysis
|
|
|
| /lombaert/MIDL-Gopinath-GraphConvolutions-2019.pdf |
Cortical Parcellation via Spectral Graph Convolutions
|
|
|
| /lombaert/MIDL-Reddy-TopologicalLoss-2019.pdf |
Brain Tumor Segmentation using Topological Loss in Convolutional Networks
|
|
|
| /lombaert/MIDL-Dolz-HyperDensenet-2019.pdf |
HyperDense-Net: A hyper-densely connected CNN for multi-modal image segmentation
|
|
|
| /lombaert/med-nips_2018_paper_8.pdf |
Graph Convolutions on Spectral Embeddings: Learning of Cortical Surface Data
|
|
|
| /lombaert/med-nips_2017_paper_32.pdf |
Spectral Learning of Surface Data: Ideas from Medical Imaging
|
|
|
| /lombaert/Orasanu2016_MICCAI.pdf |
Longitudinal Analysis of the Preterm Cortex using Multi-Modal Spectral Matching
|
|
|
| /lombaert/Orasanu2016_ISMRM-LongPreterm.pdf |
Mapping Longitudinal White Matter Changes in Extremely Preterm Born Infants
|
|
|
| /lombaert/Shakeri2016_MICCAI-SESAMI.pdf |
Deep Spectral-Based Shape Features for Alzheimer's Disease Classification
|
|
|
| /lombaert/Ahmad2016_MICCAI-SESAMI.pdf |
Longitudinal Scoliotic Trunk Analysis via Spectral Representation and Statistical Analysis
|
|
|
| /lombaert/SpectralForests-Video.mov |
<font size="1">[video]</font>
|
|
Анализировать url |
| /lombaert/MICCAI-SpectralForests-2015.pdf |
Spectral Forests: Learning of Surface Data, Application to Cortical Parcellation
|
|
|
| /lombaert/IPMI-BrainTransfer.pdf |
Brain Transfer: Spectral Analysis of Cortical Surfaces and Functional Maps
|
|
|
| /lombaert/SFN2015_BT.pdf |
Brain Transfer for the Analysis of Cortical Data
|
|
|
| /lombaert/Orasanu2015_SAMI.pdf |
Tensor Spectral Matching of Diffusion Weighted Images
|
|
|
| /lombaert/MICCAI-STACOM-Myocardial-Infarction-NAF-2015.pdf |
Myocardial Infarct Localization using Neighborhood Approximation Forests
|
|
|
| /lombaert/FIMH-Mollero-2015.pdf |
Propagation of Myocardial Fibre Architecture Uncertainty on Electromechanical Model Parameter Estimation: A Case Study
|
|
|
| /lombaert/Shakeri2015_ICML-MLMMI.pdf |
Classification of Alzheimer's Disease using Discriminant Manifolds of Hippocampus Shapes
|
|
|
| /lombaert/MICCAI-Laplacian-Forest.pdf |
Laplacian Forests: Semantic Image Segmentation by Guided Bagging
|
|
|
| /lombaert/MICCAI-Spectral-PatchMatch-2014.pdf |
Multi-Atlas Spectral PatchMatch: Application to Cardiac Image Segmentation
|
|
|
| /lombaert/Orasanu2014_STIA.pdf |
Prefrontal Cortical Folding of the Preterm Brain: A Longitudinal Analysis of Preterm-born Neonates
|
|
|
| /lombaert/Shakeri2014_SPIE.pdf |
Groupwise Shape Analysis of the Hippocampus using Spectral Matching
|
|
|
| /lombaert/MICCAI-Joint-Shape-Fiber-Architecture.pdf |
Joint Statistics on Cardiac Shape and Fiber Architecture
|
|
|
| /lombaert/nssmic-raclopride.pdf |
Applying a 4D [<sup>11</sup>C]Raclopride Template to Automated Binding Potential Estimation in HRRT Brain PET
|
|
|
| /lombaert/MICCAI-4D-Pet-Atlas.pdf |
Atlas Construction for Dynamic (4D) PET using Diffeomorphic Transformations
|
|
|
| /lombaert/MICCAI-Piuze-Inpainting-2013.pdf |
Cardiac Fiber Inpainting using Maurer-Cartan Forms
|
|
Внешние ссылки
Кол-во: 20
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 20 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| maps.app.goo.gl |
2500 Chemin de Polytechnique, M-3204
|
Анализировать url |
| scholar.google.com |
[ Google Scholar ]
|
Анализировать url |
| frq.gouv.qc.ca |
<font color="red" size="2.5"><b>FQRNT Etudiant Etoile</b></font><br><font color="red" size="2.5">Best Paper Award</font>
|
Анализировать url |
| ismrm.org |
<font color="red" size="2.5"><b>ISMRM Summa Cum Laude (Top 5%)</b></font>
|
Анализировать url |
| ipmi2013.ipmi-conference.org |
<font color="red" size="3.5" style="font-variant: small-caps"><b>Erbsmann Prize</b></font><br><font color="red" size="2.5">Best Paper Award</font>
|
Анализировать url |
| cir.meduniwien.ac.at |
<font color="red" size="2.5">Best Paper Award</font>
|
Анализировать url |
| fimh11.rutgers.edu |
<font color="red" size="2.5"><b>Best Paper Award</b></font>
|
Анализировать url |
| facebook.com |
<font color="red" size="2.5"><b>Best Thesis Award</b><br><small>(Computer Engineering)</small></font>
|
|
| melba-journal.org |
MELBA Journal, MIDL 2020 Special Issue
|
Анализировать url |
| proceedings.mlr.press |
Proceedings of Medical Imaging with Deep Learning: MIDL 2020
|
Анализировать url |
| arxiv.org |
Compendium of Medical Imaging with Deep Learning: MIDL 2020, Short Paper Tracks
|
Анализировать url |
| shapemi.github.io |
Proceedings of the MICCAI Workshop on Shape in Medical Imaging
|
Анализировать url |
| shapemi.github.io |
Proceedings of the MICCAI Workshop on Shape in Medical Imaging
|
Анализировать url |
| sites.google.com |
Proceedings of the First MICCAI Workshop on Spectral and Shape Analysis in Medical Imaging
|
Анализировать url |
| sites.google.com |
Proceedings of the First ICML Workshop on Machine Learning Meets Medical Imaging
|
Анализировать url |
| ipmi2013.ipmi-conference.org |
Erbsmann Prize at IPMI, 2013
|
Анализировать url |
| frq.gouv.qc.ca |
FQRNT Étudiant-Chercheur Étoile Award, 2013
|
Анализировать url |
| cir.meduniwien.ac.at |
Best Paper Award at MICCAI-MCV, 2012
|
Анализировать url |
| fimh11.rutgers.edu |
Best Paper Award at FIMH, 2011
|
Анализировать url |
| polymtl.ca |
Best Lab Teacher, Gala Meritas Polytechnique, 2002
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Сайт shape.polymtl.ca не совсем готов к продвижению (процент готовности лишь 41%). Для попадания в ТОПы поисковых систем нужно:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: