Saleh, Lokman
(2017).
« Modèle de prédiction de contexte pertinent pour la maladie MPOC » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
En informatique, les applications contextuelles (AC) permettent la mise en place d'approches prometteuses et efficaces pour le traitement et le suivi de divers éléments contextuels. Dans le domaine médical, on utilise de plus en plus les AC pour soutenir le personnel médical appelé à surveiller la santé de patients, prédire leur état et prendre des décisions en conséquence. Ces tâches permettent d'améliorer l'état de santé des personnes atteintes de maladies qui nécessitent un traitement efficace et une surveillance continue afin d'éviter l'hospitalisation, ici les personnes atteintes de maladies pulmonaires obstructives chroniques (MPOC). Nous avons utilisé les MPOC comme domaine d'application pour des raisons à la fois médicales et scientifiques. Environ 3.5 millions de Canadiens sont atteints de cette maladie pulmonaire, ce qui entraîne des coûts d'hospitalisation élevés. Aussi, il n'y a pas à ce jour de traitement curatif de ces maladies; le traitement actuel consiste à éviter les complications (crise pulmonaire ou exacerbation) par des systèmes logiciels présentant une efficacité limitée, puisqu'ils se limitent aux soins généraux de la MPOC, ne sont pas très précis et nécessitent la participation de spécialistes médicaux pour leur construction. En plus, ces logiciels identifient les attributs pertinents d'un patient atteint par cette maladie, par des approches inefficaces, ce qui donne souvent une réponse imprécise et incertaine. Nous avons donc conçu et validé un modèle et un outil logiciel performant et autonome qui aide les patients et le personnel médical à prendre des décisions rapides et à mieux prédire les risques de complication de la MPOC en identifiant efficacement par anticipation et en ordre les attributs les plus pertinents. En premier lieu, cette recherche se concentre sur la compréhension du contexte, en proposant une ontologie qui décrit un système intelligent pour détecter l'exacerbation. En second lieu, nous comparons différents algorithmes de sélection d'attributs pertinents, de discrétisation et de raisonnement de l'état courant d'un patient selon ses données réelles. Cette comparaison permet de choisir la bonne combinaison d'algorithmes en se basant sur des métriques qui mesurent la performance du modèle prédictif choisi. En troisième lieu, sur la base de ces algorithmes identifiés, nous proposons un modèle prédictif appliqué à la MPOC, qui permet d'en identifier les attributs pertinents et de prédire les exacerbations d'un patient en temps réel. En outre, ce modèle est validé par huit différentes bases d'apprentissage (Cancer, Spectfheart, etc.). À la fin, l'algorithme Wrappers-BestFirst est amélioré afin de minimiser le nombre d'attributs pertinents.
______________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : applications contextuelles, MPOC, sensibilité au contexte, incertitude, apprentissage automatique, exacerbation, sélection des attributs pertinents.
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Le mémoire a été numérisé tel que transmis par l'auteur. |
|
Directeur de thèse: |
Mcheick, Hamid |
| Mots-clés ou Sujets: |
Informatique sensible au contexte / Apprentissage automatique / Algorithmes / Maladies obstructives des poumons -- Complications et séquelles -- Prévision |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
11 oct. 2017 11:01 |
| Dernière modification: |
11 oct. 2017 11:01 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/10486 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
