Techniques d’apprentissage automatique pour la prédiction de la maladie de l’artère coronaire

dc.contributor.authorMELLAH Fouad
dc.date.accessioned2024-09-19T09:30:08Z
dc.date.available2024-09-19T09:30:08Z
dc.date.issued2021
dc.description.abstractLa 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 %.
dc.identifier.urihttp://dspace.univ-khenchela.dz:4000/handle/123456789/6641
dc.language.isofr
dc.titleTechniques d’apprentissage automatique pour la prédiction de la maladie de l’artère coronaire
dc.typeThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
004-078-M.pdf
Size:
2.23 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Collections