| Titre : | Une Approche intelligente pour la santé (Aide au diagnostic du cancer de la peau) |
| Auteurs : | MOHAMED LAMINE HEMILI, Auteur ; Sadek Labib Terrissa, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2019 |
| Format : | 1 vol. (78 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Machine Learning,Clasification,Arbre de Décision,Random Forest,Cancer de la peau. |
| Résumé : |
Le Machine Learning est devenu depuis quelque années un outil très puissant grâce à l’évolution des calculateurs et des capteurs.Cet outil permet de présenter des solutions performantes et intelligentes dans plusieurs domaines et en particulier celui de la santé.Dans ce travail de master, nous avons développé une solution basée sur les techniques sur le Machine Learning (Arbre de Décision, Random Forest) pour l’aide au diagnostic du cancer de la peau. Cette étude a été effectuée sur une base de données réelles fournis par le département d’oncologie de l’hôpital de Franche – Compté, et les résultats ont été comparés et discutés. |
| Sommaire : |
Introduction Générale 9 Chapitre 1 : 10 1) Introduction 10 2) Définition du cancer 10 3) Cause du cancer 11 4) Développement du cancer 12 5) Caractéristique des cellules cancéreuses 14 6) Stade du cancer 15 7) Type de cancer 15 8) Traitement du cancer 20 9) Conclusion 24 Chapitre 2 : (Machine Learning) 1. Introduction 25 2. Définition du Machine Learning 26 3. Principe du Machine Learning 26 4. Domaine d’application 27 5. Modèle d’apprentissage 28 6. Type d’apprentissage 29 6.1. Apprentissage supervisé 29 6.1.1. Régression 30 6.1.1.1. Type de régression 30 6.1.2. Classification 31 6.1.2.1. Support Vector Machine (SVM) 32 6.1.2.2. Classification Naïve Bayésienne 36 6.1.2.3. Arbre de décision 36 6.1.2.4. K –plus proche voisin (K-PPV) 38 6.1.2.5. Réseaux de neurones artificielles (RNA) 39 6.2. Apprentissage non supervisé 41 6.2.1. Clustering 42 7. Conclusion 45 Chapitre 3 : (Conception) 1. Introduction 46 2. Schéma Synoptique 47 3. Objectif 48 4. Description de la base de données 48 5. Diagramme de cas d’utilisation 49 6. Prétraitement 50 7. Traitement 52 7.1. Arbre de décision 52 7.2. Random Forest 55 7.3. Evaluation des Performance 56 8. Conclusion 59 Chapitre 4 : (Implémentation et discussion) 1. Introduction 60 2. Outils de programmation 60 2.1. Langage de programmation 60 2.2. Outils de développement 60 2.3. Les Packages 60 3. Implémentation 61 3.1. Les interfaces 61 4. Résultat de l’application 62 4.1. Arbre de Décision 62 4.2. Random Forest 64 5. Comparaison des techniques 67 6. Conclusion 67 Annexe : 68 Conclusion : 77 Référence : 78 |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/441 | Mémoire master | bibliothèque sciences exactes | Consultable |
