| Titre : | Les Techniques de Machine Learning pour la Détection et la Prédiction des Maladies Infectieuses |
| Auteurs : | Mosbahi Aya Ferdous, Auteur ; Nedjadi Imene, Auteur ; zerrouki kadda, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | [S.l.] : Université de Saida - Dr Moulay Tahar. Faculté des Sciences. Département de Mathématiques., 2024/2025 |
| Format : | 76 ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 003781 |
| Catégories : |
Master en informatique Spécialité : Modélisation Informatique des Connaissances et du Raisonnement |
| Mots-clés: | : Maladies Infectieuses: Détection Précoce: Stratification du risque: Machine Learning: Classification. : Infectious Diseases: Early Detection: Risk Stratification: Machine Learning: Classification : الأمراض المعدية،: الكشف المبكر،: تصنيف المخاطر: التعلم الآلي: التصنيف. |
| Résumé : |
Résumé
Le Machine Learning s’est révélé hautement puissant pour lutter contre les maladies infectieuses en permettant une détection précoce, une prédiction précise des épidémies, leurs risques et un diagnostic assisté. Grâce à ses différentes techniques, il analyse des données complexes (symptômes, imagerie médicale, facteurs environnementaux) pour identifier des patterns invisibles à l'œil humain. Cependant, la qualité et la complexité des données et les questions éthiques liées à leur utilisation restent des défis majeurs. En dépit de ces limites, le Machine Learning offre des perspectives prometteuses pour améliorer la santé publique et sauver des vies grâce à des décisions médicales plus rapides et plus précises. Dans le cadre de cette étude, nous avons mené une recherche scientifique et examiné différentes techniques de Machine Learning pour la détection et la prédiction des maladies infectieuses à partir de trois ensembles de données sélectionnés, chacun correspondant à une maladie différente : SIDA/VIH, hépatite C et COVID-19. Pour chaque pathologie, nous avons adapté une approche de modélisation spécifique ce qui a donné des résultats prometteurs et pertinents. Ces résultats ouvrent la voie à plusieurs perspectives, notamment l’utilisation d’ensembles de données plus vastes, l’exploration des approches de Deep Learning, ainsi que l’intégration de ces modèles dans les systèmes d’aide à la décision médicale pour un diagnostic plus précis. Abstract Machine learning has proven to be highly powerful in the fight against infectious diseases by enabling early detection, accurate prediction of epidemics and their risks, and assisted diagnosis. Through its various techniques, it analyzes complex data (symptoms, medical imaging, environmental factors) to identify patterns invisible to the human eye. However, the quality and complexity of the data and the ethical issues related to its use remain major challenges. Despite these limitations, machine learning offers promising prospects for improving public health and saving lives through faster and more accurate medical decisions. In this study, we conducted scientific research and examined different machine learning techniques for the detection and prediction of infectious diseases from three selected datasets, each corresponding to a different disease: AIDS/HIV, hepatitis C, and COVID-19. For each pathology, we adapted a specific modeling approach, which yielded promising and relevant results. These results open the way to several perspectives, including the use of larger data sets, the exploration of Deep Learning approaches and the integration of these models into medical decision support systems for more precise diagnosis. . ملخص أثبت التعلم الآلي فعاليته الكبيرة في مكافحة الأمراض المعدية، إذ يُمكّن من الكشف المبكر، والتنبؤ الدقيق بالأوبئة ومخاطرها، والمساعدة في التشخيص. ومن خلال تقنياته المتنوعة، يُحلل البيانات المعقدة (الأعراض، والتصوير الطبي، والعوامل البيئية) لتحديد الأنماط غير المرئية للعين البشرية. ومع ذلك، لا تزال جودة البيانات وتعقيدها، بالإضافة إلى القضايا الأخلاقية المتعلقة باستخدامها، تُشكل تحديات رئيسية. ورغم هذه القيود، يُقدم التعلم الآلي آفاقًا واعدة لتحسين الصحة العامة وإنقاذ الأرواح من خلال اتخاذ قرارات طبية أسرع وأكثر دقة. في هذه الدراسة، أجرينا بحث علمي ودراسة تقنيات التعلم الآلي المختلفة للكشف عن الأمراض المعدية والتنبؤ بها من ثلاث مجموعات بيانات مختارة، كل منها يُمثل مرضًا مختلفًا: الإيدز/فيروس نقص المناعة البشرية، والتهاب الكبد الوبائي سي، وكوفيد-19. لكل مرض، اعتمدنا نهج نمذجة محددًا، مما أسفر عن نتائج واعدة وذات صلة. تفتح هذه النتائج الباب أمام العديد من وجهات النظر، بما في ذلك استخدام مجموعات بيانات أكبر، واستكشاف أساليب التعلم العميق، ودمج هذه النماذج في أنظمة دعم القرار الطبي لتحقيق تشخيص أكثر دقة. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003781 Adobe Acrobat PDF |
