| Titre : | Utilisation des méthodes d'apprentissage profond et de signaux physiologiques pour l’évaluation non invasive de la glycémie |
| Auteurs : | DAHANI Ameur, Directeur de thèse ; HAMIDI Atika +KHERCHI Khelifa, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Université Saïda – Dr Tahar Moulay Faculté de Technologie Département d’Electronique, 2024/2025 |
| Format : | 104 p |
| Accompagnement : | CD |
| Langues: | Français |
| Langues originales: | Français |
| Catégories : | |
| Mots-clés: | Glycémie non invasive ; signal PPG ; apprentissage profond ; 1D-CNN ; LSTM |
| Résumé : |
Ce travail de fin d’étude présente une méthode de développement d’un système d’apprentissage
innovant et non douloureux pour la prédiction de la glycémie, fondée sur l’exploitation du signal physiologique photopléthysmographique (PPG) et des paramètres cliniques collectés. Les signaux vitaux et les données cliniques de la base de données ont été recueillis à l’aide de l’appareil HealthyPi v3. Après un prétraitement adéquat, une segmentation du signal PPG a permis l’extraction de caractéristiques physiologiques pertinentes. L’ensemble des caractéristiques extraites du signal PPG, combinées aux paramètres cliniques, a été utilisé comme variables indépendantes d’entrée pour un système d’apprentissage profond supervisé, à travers deux algorithmes séquentiels : les réseaux de neurones convolutifs 1D-CNN (Convolutional Neural Network) et le réseau de neurones récurrents LSTM (Long Short-Term Memory). Les performances des modèles ont été évaluées à l’aide des métriques MAE, MSE, RMSE et du coefficient de détermination R². Les résultats obtenus ont confirmé que le modèle LSTM offre une précision de prédiction supérieure à celle du modèle 1D-CNN, suggérant que cette approche pourrait contribuer efficacement au développement de solutions intelligentes, continues, personnalisées et non invasives pour la prédiction de la glycémie et le suivi des patients diabétiques. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
Utilisation des méthodes d'apprentissage profond et de signaux physiologiques pour l’évaluation non invasive de la glycémie Adobe Acrobat PDF |
