Mémoires de Master

Permanent URI for this community

http://dspace.univ-skikda.dz:4000/handle/123456789/234

Browse

Browsing Mémoires de Master by Author "Adel, Lahsasna"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Développement d’un système de diagnostic médical du diabète à l’aide d’algorithmes d’apprentissage automatique
    (Faculté des Sciences, 2023) Boussekine, Marwa; Bouaita ,Samah; Adel, Lahsasna
    Le diabète est un problème majeur de santé mondiale, causant des millions de décès chaque année et entraînant diverses complications. La prévalence du diabète ne cesse d'augmenter, notamment dans les pays à faible et moyen revenu. Cette étude vise à développer un système de diagnostic précis du diabète en utilisant l'apprentissage automatique. L'objectif est d'identifier l'algorithme de classification le plus précis parmi huit algorithmes couramment utilisés, à savoir les Réseaux de Neurones Artificiels (ANN), les Machines à Vecteurs de Support (SVM), le classifieur Naïf de Bayes, les Arbres de Décision, les Forêts Aléatoires, le Bagging, l'AdaBoost et les k-Plus Proches Voisins (KNN). L'étude utilise l'ensemble de données sur le diabète de Pima pour évaluer les performances de ces algorithmes. L'algorithme sélectionné est ensuite utilisé pour développer un système de diagnostic efficace. De plus, l'étude vise à identifier les caractéristiques les plus importantes liées à la classification du diabète afin de fournir des informations sur les facteurs de risque du diabète. Les résultats montrent que la Forêt Aléatoire atteint la plus haute précision de classification et est choisie pour la phase de déploiement. Le système de diagnostic développé diagnostique avec précision les nouveaux patients et identifie les facteurs les plus importants dans la classification du diabète, tels que la concentration de glucose, l'indice de masse corporelle (IMC) et l'âge. Cette recherche contribue à la détection du diabète, ce qui peut aider les professionnels de la santé à fournir le traitement approprié du diabète et à atténuer le risque de développer la maladie pour les personnes non diabétiques en contrôlant les facteurs de risque significatifs associés au diabète.