| Titre : | Classification binaire de la maladie de diabète par les réseaux de neurones |
| Auteurs : | Amina Chaouch, Auteur ; Khadidja El Kobra Batoul Sidhoum, Auteur ; Rochdi Bachir Bouiadjra, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2023 |
| ISBN/ISSN/EAN : | SE02323T |
| Format : | 38P. / couv. ill. / 29cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
Vu le nombre croissant de personnes atteintes de diabète dans le monde, la détection précoce et précise de cette maladie revêt une importance cruciale. Les réseaux de neurones offrent une approche prometteuse pour aborder ce défi en exploitant les avancées de l'intelligence artificielle. On a plusieurs étapes passionnantes à suivre pour créer une application de détection du diabète en utilisant des réseaux de neurones. Tout d'abord, on a la collecte des données où on rassemble des informations sur huit caractéristiques clés : le nombre de grossesses, le taux de glucose, la tension artérielle, l'épaisseur de la peau, le niveau d'insuline, l'indice de masse corporelle (IMC), la fonction généalogique du diabète et l'âge. Ces données nous permettent de comprendre les différents aspects de la maladie. Dans la conception de l'architecture du réseau de neurones, on a une opportunité créative et intrigante. On peut créer un réseau de neurones personnalisé en choisissant le nombre de couches cachées, le nombre de neurones dans chaque couche et les fonctions d'activation appropriées. On calcule des métriques telles que l'exactitude, la précision et le rappel pour mesurer à quel point notre modèle est précis dans la détection du diabète. C'est un moment clé où on peut voir les résultats de notre travail et évaluer notre réussite. Enfin, lorsque notre modèle atteint les performances souhaitées, on déploie notre application avec fierté. On partage notre travail avec d'autres personnes et on leur offre un outil précieux pour détecter le diabète. Savoir que notre application peut avoir un impact positif sur la santé et le bien-être des individus est une véritable source de satisfaction. perspectives : Les perspectives de cette application : 1. Amélioration de la précision pour en explorant de nouveaux modèles d'apprentissage automatique. 2. Intégration avec des dispositifs médicaux. 3. Adaptation aux profils individuels : L'application pourrait être développée pour prendre en compte les caractéristiques individuelles et les antécédents médicaux des utilisateurs. 5. Collaboration avec les professionnels de la santé |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE02323T | INF909 | Livre audio | Bibliothèque des Sciences Exactes | 8-Mémoires licence | Consultation sur place Exclu du prêt |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
