| Titre : | Integrating Conversational AI into a Physical Autonomy for Medical Applications |
| Auteurs : | Djellab Mohamed Ayhem, Auteur ; Bakhoucha Meriem, Auteur ; Samar Hibat Errahmane Guessoum, Auteur ; Meftah Zouai, Directeur de thèse ; Ahmed Aloui, Directeur de thèse |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2024 |
| Format : | 1 vol. (77 p.) / ill., couv. ill. en coul / 30 cm |
| Note générale : | |
| Langues: | Anglais |
| Mots-clés: | Intelligence artificielle conversationnelle, Intelligence artificielle, Assistance m´edicale, Robotique, Internet des objets, Traitement du langage naturel |
| Résumé : |
La santé connaˆıt une révolution robotique avec des robots assistants offrant un accompagnement multiforme. Pour les patients, ils apportent un réconfort émotionnel, des rappels de médicaments et une aide aux tˆaches quotidiennes, notamment pourles personnes isolées ou ayant besoin d’un coup de main. Les robots chirurgicaux étendent les compétences des chirurgiens, permettant des procédures peu invasivesavec des temps de récupération plus rapides. Au-del`a des patients, les robotss’attaquent aux tˆaches logistiques, g`erent les fournitures, désinfectent les surfaces etlibèrent le personnel pour des soins plus complexes. Cette avancée technologiqueaméliore les r´esultats pour lespatients et rationalise les opérations hospitalières.Notre projet vise `a révolutionner les soins aux patients en fournissant un accompagnementet une assistance pratiques. En automatisant les tˆaches de routinetelles que la distribution de m´edicaments et la récupération de fournitures, le robotlibérera les infirmières et les médecins pour des interactions plus importantes. Deplus, ses fonctionnalit´es peuvent sensibiliser les patients en répondant `a des questionsmédicales. Ce robot a le potentiel d’améliorer considérablement l’efficacité et les soins aux patients au sein des établissements de sant´e. |
| Sommaire : |
Acknowledment ii Dedication ii R´esume ii Abstract iii General Introduction 1 I Fundamental Concepts 4 I.1 Introduction . . . 4 I.2 Artificial Intelligence . 5 I.2.1 Definition . 5 I.2.2 Historical Background . . . . . . . . . . 5 I.2.3 Key Technologies . . 9 I.2.3.1 Expert Systems . . . . . . . . . . . . 9 I.2.3.2 Computer Vision . . . . . . . . . . . . 10 I.2.3.3 Machine Learning (ML) . . . . . . .. . 10 I.2.3.4 Deep Learning . . . . . . . . 11 I.2.3.5 Natural Language Processing (NLP) . . . . . . . . . 12 I.2.3.6 Robotics . . . . . . . . . . . . . . . . . . . . . . . . . 13 I.2.4 Applications in General . . . . . . . . . . . . . 13 I.2.5 Challenges and Opportunities in AI . . . . . . . . 16 I.2.5.1 Challenges in AI . . . . . .. . . . . . . . 17 I.2.5.2 Public Health Systems . . . . .. . . . . . 19 I.2.6 Technological Innovations . . . . . . . . . 19 I.2.6.1 Telemedicine . . . . . . . . . . . . . . . . 19 I.2.6.2 Artificial Intelligence (AI) and Machine Learning (ML) 20 I.2.6.3 Electronic Health Records (EHRs) . . . . . . . . . . 20 I.2.6.4 Wearable Technology . . . . . . . . . . . . . . . . 21 I.2.6.5 Robotics and Automation . . . . . . . . . . . . . . . 21 I.2.7 AI in Healthcare . . . . . . . . . . . . . . . . 21 I.2.7.1 Diagnostics . . . . .. . . . 23 I.2.7.4 Healthcare Delivery . . . . . . . . . . 23 I.2.8 Challenges in Healthcare . . . . . . . . . . . . 24 I.3 Internet of Things (IoT) . . . . . . . . . . . . . . 25 I.3.1 Definition . . . . . . . . . . . . . . . 25 I.3.2 Basic Concepts . . . . . .. . . . . . . 25 I.3.3 Historical Development . . . . . . . . . . . . 26 I.3.4 Key Components . . . . . . . . . . . . 27 I.3.5 Architecture of IoT . . . . . . . . . . . 28 I.3.6 Characteristics of IoT . . . . . . . . . . . . . 28 I.3.7 Applications in General . . . . . . . . . 31 I.3.8 Components of IoT system . . . . . . .. . . . . . . . . . 32 I.3.9 Challenges and Opportunities . . . . . . . . . . . . 33 I.3.9.1 Challenges . . . . . . . . . . . . . . . . . . 33 I.3.9.2 Opportunities . . . . . . . . . . . 34 I.4 Convergence of AI and IoT in Healthcare (AIOT Healthcare). . . 34 I.4.1 Definition and Concept . . . . . .. . . . . . . . . 34 I.4.2 Synergy of AI and IoT . . . . . . . . . . . . . 35 I.4.3 Key Components of AIOT Healthcare . . . . . . . . . . 36 I.4.4 Benefits of AIOT in Healthcare . .. 36 I.4.5 Applications of AIOT in Healthcare .I.4.7 Challenges and Considerations . . . . . . . . . . 38 I.4.8 Future Trends . . . . . . .. . . . . . . 39 I.5 Conclusion . . . . . .. . . . . . . . 40 II Overview of Robotics 41 II.1 Introduction . . . . . . . . . . . . . . . 41 II.2 Robotics . . . . . . . . .. . . . . . . . . . . 41 II.2.1 History of robotics . . . . . . . . . . . 42 II.2.2 Types of robots . . . . . . . . . . . . . . . 45 II.2.2.1 Industrial robots . . . . . . . . . . 45 II.2.2.2 Service robots . . . . . . . . . . . . . . 46 II.2.2.3 Medical robots . . . . . . . . . . 47 II.2.2.4 Field robots . . . . . . . . . . . . . 48 II.2.3 Robotic system components . . . . . . . . . . . . 49 II.2.3.1 Hardware . . . . . .. . . . . . 49 II.2.3.2 Software and Algorithms . . . . . . . . . . . . . . . . 56 II.3 Combining Robotics with AI . . . .. . . . . . . . . . . 60 II.3.1 Reinforcement Learning (RL) . . . . . . . . . . 60 II.3.1.1 Key Concepts . . . . . . . . . . . . . . . . . . . . . . 60 II.3.1.2 Significance in AI and Robotics: . . . . . . . . . . . . 61 II.3.1.3 Proximal Policy Optimization (PPO): . . . . . . . . 61 II.3.1.3.1 Explanation of PPO and Its Advantages: . . 61 II.3.1.3.2 Usage in Training AI Models: . . . . . . . . 62 II.3.1.3.3 Mathematical Relations . . . . . . . . . 62 II.3.1.4 PPO in Sports . . . . . . . . . . . . . 63 II.4 Chatbot Technologies and Natural Language Processing (NLP). 63 II.4.1 Architecture . . . . . . . . .. . . . . . . . . . . . . 64 II.4.1.1 Automatic Speech Recognition (ASR) . . . . . . . . 64 II.4.1.2 Natural language understanding (NLU) . . . . . . . 65 II.4.1.3 Dialogue management . . . . . . . . . . . . . . . . . 65 II.4.1.4 Generation of response . . . . . . . . . . . . . . . . . 66 II.4.1.5 Text to speech (TTS) . . . . . . . . . . . 66 II.4.2 NLP technology . . . . . . . . . . . . . . 67 II.4.3 How NLP helps chatbots to understand user’s query . . . . . 67 II.4.3.1 Data Preprocessing . . . . . . . . . . . . . . 68 II.4.3.2 Feature Extraction . . . . . . . . . . . . . . 68 II.4.3.3 Classification Methods . . . . . . . . . . . . . 68 II.4.4 Existing Approaches to Conversational AI in Robots . . . . . 69 II.4.5 Model Types Used in Advanced Chatbots . . . . . . . . . . . 70 II.4.5.1 Seq2Seq Models (Sequence to Sequence) . . . . . . . 71 II.4.5.2 Transformers . . . . . . . . . . . . . . . . 71 III.6.3.1 Data Collection and Preprocessing . . . . . . . . . . 91 III.6.3.2 Feature Extraction . . . . . . . . . . . . . . . . . . . 91 III.6.3.3 Model Selection . . . . . . . . . . . . . . . . . . . . . 91 III.6.3.4 Training the Model . . . . . . . . . . . . . 92 III.6.3.5 Evaluation . . . . . . . . . . . . . . 92 III.6.3.6 Prediction . . . . . . . .. . . . . . . . . . . 92 III.6.3.7 Example Use Cases . . . . . . . . . . . . . 93 III.6.3.8 Advantages . . . . . . .. . . . . . . . . . 93 III.6.3.9 Challenges . . . . . . . . . . . . . . . 93 III.6.4 Ultra-Wideband Positioning Method . . . . . . . . 94 III.6.4.1 Principles of UWB Positioning . . . . . . . . . . . . 94 III.7 UML Diagrams . . . . . . .. . . . . . . 95 III.7.1 Use case Diagram . . . .. . . . . . . . 96 III.7.2 Sequence Diagram . . . .. . . . . . 97 III.8 Conclusion . . . . . . . . . . 99 IV System Implementation 100 IV.1 Introduction . . . . . .. . . . . . . . . . . 100 IV.2 Environment of development . . . . . . . . . . . . . . . . 100 IV.2.1 Programming languages and frameworks . . . . . . . . . . . . 100 IV.2.1.1 Python language . . . . . . . . . . . . . . . . . . . . 101 IV.2.1.2 C language . . . . . . . . . . . . . . . . . . . . . . . 101 IV.2.1.3 Numpy . . . . . . . . . . . . . . . . . . . . . . . . . 102 IV.2.1.4 Tensorflow . . . . . . . . . . . . . . . . . 102 IV.2.1.5 Matplotlib . . . . .. . . . . . . . . . 103 IV.2.2 Development Tools . . . . . . . . . . . . . . . . . 103 IV.2.2.1 Anaconda Environment . . . . . . . . . . . . 103 IV.2.2.2 Spyder . . . . . . . . . . . . . . . . . 104 IV.2.2.3 Jupyter . . . . . . . . . . . . . . . . . . 105 IV.2.2.4 ROS . . . . . . . . . . . . . . . . . . . . . 105 IV.2.2.5 Arduino IDE . . . . .. . . . . . . . . . . 106 IV.2.2.6 Fritzing . . . . ... .. . . . . . . . . . . . . . . . 107 IV.3.1 Hardware Presentation . . . . . . . . . . . . 107 IV.3.2 NodeMCU ESP8266 . . . . . . . . . . . . . . . . 108 IV.3.3 ESP32 UWB WROOM CORE . . . . . . . . . . . . . . . . . 108 IV.3.4 Servo Motor . . . . . . . . . . . . . . . . . . 109 IV.3.5 Raspberry pi 4 . . . . .. . . . . . . . . . 110 IV.3.6 RPLidar A1 . . . . . . . . . . . . . . . . . . 110 IV.3.7 MAX17043/44 IC . . .. . . . . . . . . . . . . . 111 IV.3.8 NEMA 17 stepper motor . . . . . . . . . . . . . 112 IV.3.9 Hardware Installation . . . . .. . . . . . . . . . . 112 IV.3.10Source Code Implementation . . . . . . . . . . . . 113 IV.3.10.1 Environment Perception . . . . . . . . . . . . 114 IV.3.10.2 Mapping . . . . . . . . . . . . . . . . 118 IV.3.10.3 Navigation . . . . . . . . . . . 122 IV.4 Conclusion . . 125 General Conclusions 125 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/896 | Mémoire master | bibliothèque sciences exactes | Consultable |
