| Titre : | Exploration de dossiers de santé Electronique (EHR) |
| Auteurs : | Abdallah Hadjer, Auteur ; Kadi Hafid, Directeur de thèse |
| Type de document : | texte imprimé |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 81ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 008556 |
| Catégories : |
Master en informatique Spécialité : Modélisation informatique des Connaissances et Raisonnement |
| Résumé : |
Résumé
Le domaine du data mining et des dossiers de santé électroniques connaît actuellement un développement rapide, notamment avec l’expansion des systèmes de santé numériques à travers le monde. Ce domaine vise à améliorer la qualité des soins de santé grâce à la collecte, l’organisation et l’analyse des données des patients afin de faciliter la prise de décision médicale et la prédiction des maladies. Les dossiers de santé électroniques (EHR) représentent une source riche d’informations médicales, car ils contiennent diverses données telles que les antécédents médicaux, les résultats d’analyses, les traitements, les images médicales et les examens cliniques, ce qui en fait un environnement adapté à l’application des techniques de data mining et d’extraction des connaissances. L’importance du data mining réside dans sa capacité à analyser de grandes quantités de données médicales et à découvrir des relations et modèles cachés à l’aide de techniques d’apprentissage automatique et de classification telles que les arbres de décision, les réseaux de neurones, les machines à vecteurs de support (SVM) et les forêts aléatoires (RF). Ces techniques contribuent également à améliorer la précision du diagnostic et de la prédiction des maladies, tout en aidant les médecins à prendre des décisions thérapeutiques plus efficaces. Ce mémoire intitulé : « Exploration de dossiers de santé Electronique (EHR) » étudie la relation entre les dossiers de santé électroniques et les techniques de data mining, en mettant l’accent sur l’utilisation de la représentation TF-IDF pour améliorer le processus de classification médicale Abstract The field of data mining and Electronic Health Records (EHR) is currently experiencing rapid development, especially with the widespread adoption of digital healthcare systems around the world. This field aims to improve the quality of healthcare by collecting, organizing, and analyzing patient data in order to support medical decision-making and disease prediction. Electronic Health Records (EHRs) represent a rich source of medical information, as they contain various types of data such as medical history, laboratory results, treatments, medical imaging, and clinical examinations, making them a suitable environment for applying data mining and knowledge discovery techniques.datamedical of amounts large analyze to ability its in lies mining data of importance The classificationand learning machine using relationships and patterns hidden discover and and(SVM), Machines Vector Support networks, neural trees, decision as such techniques diagnosisof accuracy the improving to contribute also techniques These (RF). Forests Random treatmenteffective more make professionals healthcare helping while prediction disease and decisions. thestudies » exploration )(EHR Records Health Electronic « entitled thesis, This onfocus a with techniques, mining data and Records Health Electronic between relationship process.classification medical the improve to representation TF-IDF using تطورمتسار ًعا،خاصة مع التوسع الكبير في استخدام ًا يشهدمجال التنقيب عن البيانات و السجالتالصحية اإللكترونية األنظمةالصحية الرقمية في مختلف أنحاء العالم. ويهدف هذا المجال إلى تحسين جودة الرعاية الصحية من خالل جمع بياناتالمرضى، تنظيمها، وتحليلها بهدف دعم اتخاذ القرار الطبي وتسهيل تشخيص األمراض والتنبؤ بها. تمثل السجالت غنيابالمعلومات الطبية، إذ تحتوي على بيانات متنوعة تشمل التاريخ المرضي، نتائج ًا الصحيةاإللكترونية )(EHR مصدرً الفحوصات،العالجات، الصور الطبية، والتحاليل السريرية، مما يجعلها بيئة مناسبة لتطبيق تقنيات التنقيب عن البيانات واستخراجالمعرفة . تتمثلأهمية التنقيب عن البيانات )Mining (Data في قدرته على تحليل الكم الهائل من البيانات الطبية واكتشاف األنماطوالعالقات الخفية بينها، وذلك باستخدام مجموعة من تقنيات التعلم اآللي والتصنيف مثل أشجار القرار، الشبكات العصبية،آالت الدعم الشعاعي )(SVM، والغابات العشوائية (RF). كما تساهم هذه التقنيات في تحسين دقة التشخيص والتنبؤبالحاالت المرضية، إضافة إلى دعم األطباء في اتخاذ ق ا رراتعالجية أكثر فعالية . تتناولهذه المذكرة المعنونة بـ: " استكشافال سجالتالصحية اإللكترونية" دراسة العالقة بين السجالت الصحية اإللكترونية وتقنياتالتنقيب عن البيانات، مع التركيز على كيفية تمثيل البيانات النصية الطبية باستخدام تقنية TF-IDF بهدف تحسين عمليةالتصنيف الطبي . |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008556 Adobe Acrobat PDF |

