Soutenir la fondation

Que cherchez-vous?

Profil de chercheur

Forouzanfar Mohamad

Thème primaireSanté numériqueThèmes secondairesTrajectoires du Vieillissement

Coordonnées

mohamad.forouzanfar@etsmtl.ca

Biographie

Mohamad Forouzanfar est professeur agrégé à l’École de technologie supérieure (ÉTS) de l’Université du Québec à Montréal. Il travaille sur plusieurs études visant à mieux mesurer, analyser et interpréter les données physiologiques en développant des méthodes avancées d’instrumentation, de traitement du signal et de l’image, et d’apprentissage automatique. Avant de rejoindre l’ÉTS, il a travaillé en tant que chercheur scientifique au Human Sleep Research Lab de SRI International, à Menlo Park, en Californie. Il a également occupé des postes postdoctoraux à l’Université de Stanford, à l’Université de Harvard et à l’Université d’Ottawa. Il a obtenu son doctorat en génie électrique et informatique à l’Université d’Ottawa.

Le Dr Forouzanfar est membre senior de l’IEEE et rédacteur en chef adjoint principal (Associate Editor-in-Chief) de IEEE Transactions on Instrumentation and Measurement.

Intérêts de recherche

Spécialiste reconnu dans le domaine des technologies de santé connectée, il mène des recherches innovantes sur la surveillance physiologique non invasive, le traitement des signaux biomédicaux et l’optimisation des interventions en santé mentale et du sommeil. Il a contribué à de grands projets financés par les IRSC, le CRSNG, le NIH et l’IARPA, et a collaboré avec des partenaires industriels tels que Panasonic.

Ses travaux sur les dispositifs portables, les technologies d’interface cognitive et les interventions personnalisées pour les troubles du sommeil s’inscrivent dans une logique de médecine préventive et d’accessibilité pour les populations vulnérables. Il encadre activement une vingtaine d’étudiants aux cycles supérieurs, et a été récompensé à plusieurs reprises par l’IEEE pour son rôle d’éditeur et de réviseur.

Mots-clés

Santé numérique, intelligence artificielle, sommeil, biosignaux, wearable, EEG, pression artérielle, deep learning, prévention, génie biomédical