Mahsa Dadar, PhD

2022_mahsa_dadar

Contact

 mahsa.dadar@mcgill.ca

 

6875 Boulevard LaSalle Montréal, QC H4H 1R3

 Bureau:GH-2113

 Twitter: Mahsa Dadar

Chercheuse, Centre de recherche Douglas
Professeure adjointe, Département de psychiatrie, Université McGill

Nom du laboratoire: Les maladies du vieillissement, cérébrovasculaires et neurodégénératives

Groupe thématique: Vieillissement, cognition et maladie d'Alzheimer
Division: Neuroscience humaine

 

Mon équipe vise à étudier le rôle de la pathologie cérébrovasculaire dans le vieillissement et les maladies neurodégénératives. Mon programme de recherche s’articulera autour de trois composantes principales :

  1. Développer des outils de neuroimagerie et d’apprentissage automatique (“machine learning”) afin d’identifier et de suivre les signes de pathologies cérébrovasculaires et neurodégénératives avec précision.
  2. Étudier le lien entre les pathologies cérébrovasculaires et neurodégénératives, l’impact du mode de vie et des facteurs environnementaux sur ces maladies, et l’impact des pathologies cérébrovasculaires sur les résultats cliniques des populations vivant avec des maladies neurodégénératives.
  3. Évaluation ex-vivo des maladies cérébrovasculaires grâce à des approches d’IRM post-mortem et d’histologie.

Mahsa Dadar, Ph.D., a obtenu son baccalauréat et sa maîtrise en Génie électrique de l’Université de Teheran et de l’Université Concordia, et son doctorat en Génie biomédicale à l’Université McGill. Elle a complété un premier stage postdoctorale auprès de l’équipe International Progressive MS Alliance (IPMSA) à McGill, puis un deuxiène stage en cosupervision entre le Centre de recherche CERVO et l’Université d’Alberta à Edmonton.

  • 2020-2021 Alzheimer Society Research Program (ASRP) Postdoctoral Fellowship
  • 2020-2021 Fonds de recherche du Québec-Santé (FRQS) Postdoctoral Fellowship
  • 2019 Quebec Bio-Imaging Network (QBIN) Postdoctoral Scholarship

  Publications sur PubMed

  Profil Google Scholar

  ORCID

Publications clés

Liste complète des publications

 

  1. M. Dadar, S. Mahmoud, S. Narayanan, D. L. Collins, D. L. Arnold, J. Maranzano (2022). Diffusely abnormal white matter converts to T2 lesion volume in the absence of MRI-detectable acute inflammation, Brain.
  2. M. Dadar, A.L. Manera, S. Ducharme, and D. L. Collins (2022). White matter hyperintensities are associated with grey matter atrophy and cognitive decline in Alzheimer’s disease and frontotemporal dementia. Neurobiology of Aging, 111, 54-63.
  3. M. Dadar, R. Camicioli, S. Duchesne, D. L. Collins (2020). The Temporal Relationships between White Matter Hyperintensities, Neurodegeneration, Amyloid β, and Cognition. Alzheimer’s & Dementia: Diagnosis, Assessment & Disease Monitoring. 12 (1), e12091.
  4. M. Dadar, J. Miyasaki, S. Duchesne*, R. Camicioli* (2021). White matter hyperintensities mediate the impact of amyloid ß on future freezing of gait in Parkinson’s disease. Parkinsonism & Related Disorders. 85 (2021): 95-101.
  5. F. Morys, M. Dadar, A. Dagher (2021). Obesity impairs cognitive function via metabolic syndrome and cerebrovascular disease: an SEM analysis in 15,000 adults from the UK Biobank. JCEM. dgab135.
  6. M. Dadar, S. Duchesne (2020). Reliability Assessment of Tissue Classification Algorithms for Multi-Center and Multi-Scanner Data. NeuroImage. 217, 116928.
  7. M. Dadar, D. L. Collins (2020). BISON: Brain tISue segmentatiON pipeline using T1-weighted magnetic resonance images and a random forests classifier. Magnetic Resonance in Medicine. 85 (4).
  8. M. Dadar*, A. Manera*, V. Fonov, S. Ducharme, D.L. Collins. MNI-FTD Templates: Unbiased Average Templates of Frontotemporal Dementia Variants. Scientific Data. 8.1 (2021): 1-10.
  9. J. Maranzano, M. Dadar, A. Bertrand-Grenier, E. M. Frigon, J. Pellerin, S. Plante, S. Duchesne, C. L. Tardif, D. Boire, G. Bronchti (2020). A novel ex vivo, in situ method to study the human brain through MRI and histology. Journal of Neuroscience Methods. 345, 108903.
  10. A. Manera*, M. Dadar*, V. Fonov, D. L. Collins. (2020). CerebrA: Accurate registration and manual label correction of Mindboggle-101 atlas for MNI-ICBM152 template. Scientific Data. 7 (1), 1-9.
  11. M. Dadar, Y. Zeighami, Y. Yau, S. Fereshtehnejad, J. Maranzano, R. Postuma, A. Dagher, D. L. Collins (2018). White Matter Hyperintensities are linked to cognitive decline in de Novo Parkinson’s disease patients. NeuroImage: Clinical. 20: 892-900.
  12. M. Dadar, Vladimir S. Fonov, D. Louis Collins (2018). A Comparison of Publicly Available Linear MRI Stereotaxic Registration Techniques. NeuroImage. 174: 191-200.
  13. J. M. Mateos-Pérez*, M. Dadar*, M. Lacalle-Aurioles, Y. Iturria-Medina, Y. Zeighami, A. C. Evans (2018). Structural Neuroimaging as Clinical Predictor: A Review of Machine Learning Applications. NeuroImage: Clinical. 20: 506-522.
  14. M. Dadar, J. Maranzano, K. Misquitta, C. J. Anor, V. S. Fonov, M. C. Tartaglia, O. T. Carmichael, C. Decarli, D. L. Collins, Alzheimer’s Disease Neuroimaging Initiative (2017). Performance comparison of 10 different classification techniques in segmenting white matter hyperintensities in aging. NeuroImage. 157: 233-249.
  15. M. Dadar, T. A. Pascoal, S. Manitsirikul, K. Misquitta, M. C. Tartaglia, J. Brietner, P. Rosa-Neto, O. Carmichael, C. DeCarli, D. L. Collins (2017). Validation of a Regression Technique for Segmentation of White Matter Hyperintensities in Alzheimer’s Disease. IEEE Transactions on Medical Imaging. 36 (8): 1758-1768.