| Titre : | Modèle d'aide au diagnostic des tumeurs cérébrales à l'aide des réseaux bayésiens |
| Auteurs : | KHEDIJA ZOUZAL, Auteur ; Naima Bahi, 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, 2020 |
| Format : | 1 vol. (56 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Apprentissage,Apprentissage par paramètres,Apprentissages par structures,Réseau bayésien,Structure fixée,Réseau bayésien naïve,Algorithme K2,Validation croisée,La précision. |
| Résumé : | La tumeur cérébrale est devenue une tumeur très forte ces dernières années avec le développement de nouveaux types et sa détection est devenue plus difficile en raison de leur similitude.Grâce aux progrès de la science, le travail du cerveau est de mieux en mieux connu. On sait maintenant qu'ils fonctionnent grâce à des milliards de neurones, connectés les uns aux autres, et on sait aussi qu'ils sont organisés en plusieurs régions, gérant chacune des fonctions différentes, cette connaissance du cerveau a permis de comprendre les maladies les meilleures et les plus difficiles.Notre travail commence par trouver un modèle pour aider à diagnostiquer cette tumeur à l'aide des réseaux bayésiens, et en raison de l'expansion des réseaux bayésiens, nous avons choisi certaines techniques qui nous aideront à trouver le modèle approprié pour diagnostiquer une tumeur cérébrale. C'est pourquoi nous apporterons des solutions efficaces et intelligentes dans de nombreux domaines en général et dans le domaine de la santé en particulier. |
| Sommaire : |
Introduction générale ………………………………………………………………………………………………………. 1
Chapitre 01 : Tumeur cérébrale …………………………………………………….………………………………… 3 1. Introduction ........................................................................................................................ 4 2. Définition ............................................................................................................................. 4 3. Familles de tumeur ............................................................................................................. 4 3.1. Tumeur bénigne .................................................................................................... 4 3.2. Tumeur maligne .................................................................................................... 4 3.3. Tumeur bénigne Vs tumeur maligne ..................................................................... 5 4. Tumeur primitive (précancéreuse) ................................................................................... 5 5. Causes .................................................................................................................................. 6 6. Type des tumeurs ............................................................................................................... 6 7. Tumeur cérébrale ............................................................................................................... 9 7.1. Signes .................................................................................................................. 10 7.2. Diagnostics .......................................................................................................... 10 7.3. Variété de tumeur cérébrale ................................................................................ 11 8. Conclusion ......................................................................................................................... 15 Chapitre 02 : Réseaux bayésiens ……………………………………………………………………………………. 16 1. Introduction ...................................................................................................................... 17 2. Définition ........................................................................................................................... 17 3. Domaine d’application ..................................................................................................... 17 4. Définition formelle ............................................................................................................ 18 5. Taches de réseau bayésien ............................................................................................... 20 5.1. Inférer des variables non observées ..................................................................... 20 5.2. Apprentissage des paramètres ............................................................................. 21 5.2.1. Estimation vraisemblance maximum ................................................................ 22 5.2.2. Estimation maximum à posteriori ..................................................................... 23 5.3. Apprentissage des structures ............................................................................... 24 5.3.1. Approche basée-scores ........................................................................................ 25 5.3.2. Approche basée-contraintes ............................................................................... 27 6. Apprentissage des paramètres Vs Apprentissage de la structure .............................. 28 7. Conclusion ......................................................................................................................... 28 Chapitre 03 : Conception ……………………………………………………………………………….………………. 29 1. Introduction ...................................................................................................................... 30 2. Schéma général ................................................................................................................. 30 3. Présentation du modèle .................................................................................................... 31 4. Modélisation de la structure du réseau bayésien………………………………………………………. 31 4.1. Choix de la structure ........................................................................................... 33 4.1.1. Changement de l’orientation des arcs ............................................................... 33 4.1.2. Elimination des variables .................................................................................... 34 4.1.3. Modélisation par réseau bayésien naïf .............................................................. 34 4.1.4. Modélisation par algorithme de recherche k2 .................................................. 34 5. Modélisation des paramètres ........................................................................................... 34 5.1. Description de la base .......................................................................................... 35 5.2. Format structure de réseau ................................................................................. 37 6. Les algorithmes appliqués ............................................................................................... 39 6.1. Algorithme principal ........................................................................................... 39 6.2. Les méthodes appliquées ..................................................................................... 41 6.2.1. La structure fixée ................................................................................................. 41 6.2.2. Réseau bayésien naïve ......................................................................................... 42 6.2.3. L'algorithme k2 ................................................................................................... 43 6.3. Les classes utilisées .............................................................................................. 44 7. Conclusion ......................................................................................................................... 44 Chapitre 04 : Implémentation ………………………………………………………………………………………… 45 1. Introduction ...................................................................................................................... 46 2. Outils de Programmation ............................................................................................... 46 2.1. Langage de programmation ................................................................................ 46 2.2. Outil de Développement ............................................................................................. 46 2.3. Les Packages ............................................................................................................... 46 3. Implémentation ................................................................................................................. 46 3.1. Résultats ...................................................................................................................... 47 3.2. Comparaisons des techniques .................................................................................... 50 4. Discussion des résultats .................................................................................................... 51 5. Conclusion ......................................................................................................................... 51 Conclusion générale ……………………………………………………………………………….……………………… 52 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/578 | Mémoire master | bibliothèque sciences exactes | Consultable |
