Techniques d’apprentissage automatique pour la prédiction de la maladie de l’artère coronaire
No Thumbnail Available
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La fouille de données trouve son application dans différents domaines tels que
la médecine, l'économie et le commerce ... Ces dernières années, en raison de
l'utilisation du programme de gestion informatique et électronique, utilisée pour stocker
des données dans le secteur de la santé, en particulier des hôpitaux les bases de données
deviennent très riche en terme de données brutes. Donc, ces données peuvent les
utilisées pour aider les médecins a diagnostiquer les patients atteints des maladies
cardiaque ainsi que l'accélération dans le le processus du diagnostic. Dans le cadre de ce
travail, nous sommes intéressés à utiliser les différents techniques d’apprent issage
automatique a savoir la classification de données pour la prédiction de la maladie CAD.
La maladie coronarienne de l'artère (CAD) est l'une des maladies les plus
courantes du monde entier. Un diagnostic précoce et précis de CAD permet une
administration opportune de traitement approprié et contribue à réduire la mortalité.
Dans ce document, nous appliquons plusieurs algorithmes d'apprentissage machines
(classification) permettant une détection précise de la CAD et l'appliquer sur la base de
données Z-Alizadeh Sani collectées de patients iraniens.
L’objectif de cette étude est de développer une application de prévision des
patients en cas de CAD ou non, à travers ses informations médicales utilisées. Dans ce
travail nous avons développé un système de diagnostic de CAD pour prédire la maladie
cardiovasculaires à l'aide de jeux de données des malades. Nous avons utilisé le jeu de
données Z-Alizadeh Sani contenant 303 patients, chacune dispose de 54 propriétés. À la
suite de nos études, nous concluons que le meilleur modèle de classification trouvé est le
modèle généré l’algorithme " Random_forest " avec un taux de classification de 85 %.