Exploration des effets à long terme du Coronavirus Sur les individus, à l'aide du Deep Learning / Moncef Laalaoui

Public ISBD Titre : Exploration des effets à long terme du Coronavirus Sur les individus, à l'aide du Deep Learning Type de document : document électronique Auteurs : Moncef Laalaoui, Auteur ; Mohamed Naime Medjili, Auteur ; Kacha, Lynda, Directeur de thèse Editeur : Sétif:UFA1 Année de publication : 2024 Importance : 1 vol (45 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : COVID-19 Machine Learning Deep Learning Multi-Layer Perceptron SHapley Additive exPlanations Index. décimale : 004 Informatique Résumé : La pandémie de COVID-19 a engendré des conséquences graves et durables pour de nombreux patients, notamment des effets à long terme qui suscitent désormais une vive préoccupation. Ces séquelles sont souvent difficiles à diagnostiquer précocement en raison de leur manifestation tardive et de leur variabilité. Ce travail explore les effets prolongés du COVID-19, en mettant l'accent sur les aspects psychologiques. Pour ce faire, nous avons développé et entraîné un réseau de neurones artificiels à prédire et caractériser ces effets chez les patients atteints de COVID-19. Après la validation de notre modèle, nous avons utilisé la technique SHAP (SHapley Additive exPlanations) pour analyser le raisonnement du modèle et ses prédictions, afin d'identifier les effets à long terme de cette maladie. Malgré les défis liés à la disponibilité limitée des données, nos résultats sont prometteurs et suggèrent que notre modèle peut contribuer à une meilleure compréhension des impacts à long terme de du COVID-19. Note de contenu : Sommaire INTRODUCTION GENERALE ................................................................................................ 1 CHAPITRE 1 ...........................................................................................................................................2 1.1 INTRODUCTION ............................................................................................................................ 3 1.2 FONDAMENTAUX DE L’IA, ML ET DL ............................................................................................ 3 1.2.1 INTELLIGENCE ARTIFICIELLE ...................................................................................................... 3 1.2.2 MACHING LEARNING ............................................................................................................... 4 1.2.3 DEEP LEARNING ...................................................................................................................... 5 1.3 RESEAUX DE NEURONES ARTIFICIELS ........................................................................................... 6 1.3.1 NEURONE BIOLOGIQUE ............................................................................................................ 6 1.3.2 NEURONE ARTIFICIEL ............................................................................................................... 6 1.3.3 FONCTIONNEMENT GENERALE D’UN ANN .................................................................................. 7 1.3.4 TYPES DE RESEAUX DE NEURONES ARTIFICIELS ........................................................................... 9 1.3.5 DOMAINES D’APPLICATION .................................................................................................... 12 1.4 CONCLUSION .............................................................................................................................. 13 CHAPITRE 2 ........................................................................................................................................ 14 2.1 INTRODUCTION .......................................................................................................................... 15 2.2 TRAVEAUX CONNEXES ............................................................................................................... 15 2.3 SYNTHESE ET DISCUSSION .......................................................................................................... 18 2.4 CONCLUSION .............................................................................................................................. 20 CHAPITRE 3 ........................................................................................................................................ 21 3.1 INTRODUCTION .......................................................................................................................... 22 3.2 DESCRIPTION DU DATASET ........................................................................................................ 22 3.3 CONCEPTION DU MODELE ......................................................................................................... 24 3.4 IMPLEMENTATION ET EVALUATION DU MODELE CPDL ............................................................. 26 3.4.1 ENVIRONEMENT ET OUTILS D’IMPLEMENTATION ..................................................................... 26 3.4.2 IMLEMENTATION DU MODELE CPDL AVEC PYTHON .................................................................. 29 3.4.3 EVALUATION DU MODELE CPDL .............................................................................................. 35 3.5 INTERPRETATION DU MODELE CPDL .......................................................................................... 37 3.6 CONCLUSION .............................................................................................................................. 39 CONCLUSION GENERALE ................................................................................................. 40 Côte titre : MAI/0936 Exploration des effets à long terme du Coronavirus Sur les individus, à l'aide du Deep Learning [document électronique] / Moncef Laalaoui, Auteur ; Mohamed Naime Medjili, Auteur ; Kacha, Lynda, Directeur de thèse . - [S.l.] : Sétif:UFA1, 2024 . - 1 vol (45 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : COVID-19 Machine Learning Deep Learning Multi-Layer Perceptron SHapley Additive exPlanations Index. décimale : 004 Informatique Résumé : La pandémie de COVID-19 a engendré des conséquences graves et durables pour de nombreux patients, notamment des effets à long terme qui suscitent désormais une vive préoccupation. Ces séquelles sont souvent difficiles à diagnostiquer précocement en raison de leur manifestation tardive et de leur variabilité. Ce travail explore les effets prolongés du COVID-19, en mettant l'accent sur les aspects psychologiques. Pour ce faire, nous avons développé et entraîné un réseau de neurones artificiels à prédire et caractériser ces effets chez les patients atteints de COVID-19. Après la validation de notre modèle, nous avons utilisé la technique SHAP (SHapley Additive exPlanations) pour analyser le raisonnement du modèle et ses prédictions, afin d'identifier les effets à long terme de cette maladie. Malgré les défis liés à la disponibilité limitée des données, nos résultats sont prometteurs et suggèrent que notre modèle peut contribuer à une meilleure compréhension des impacts à long terme de du COVID-19. Note de contenu : Sommaire INTRODUCTION GENERALE ................................................................................................ 1 CHAPITRE 1 ...........................................................................................................................................2 1.1 INTRODUCTION ............................................................................................................................ 3 1.2 FONDAMENTAUX DE L’IA, ML ET DL ............................................................................................ 3 1.2.1 INTELLIGENCE ARTIFICIELLE ...................................................................................................... 3 1.2.2 MACHING LEARNING ............................................................................................................... 4 1.2.3 DEEP LEARNING ...................................................................................................................... 5 1.3 RESEAUX DE NEURONES ARTIFICIELS ........................................................................................... 6 1.3.1 NEURONE BIOLOGIQUE ............................................................................................................ 6 1.3.2 NEURONE ARTIFICIEL ............................................................................................................... 6 1.3.3 FONCTIONNEMENT GENERALE D’UN ANN .................................................................................. 7 1.3.4 TYPES DE RESEAUX DE NEURONES ARTIFICIELS ........................................................................... 9 1.3.5 DOMAINES D’APPLICATION .................................................................................................... 12 1.4 CONCLUSION .............................................................................................................................. 13 CHAPITRE 2 ........................................................................................................................................ 14 2.1 INTRODUCTION .......................................................................................................................... 15 2.2 TRAVEAUX CONNEXES ............................................................................................................... 15 2.3 SYNTHESE ET DISCUSSION .......................................................................................................... 18 2.4 CONCLUSION .............................................................................................................................. 20 CHAPITRE 3 ........................................................................................................................................ 21 3.1 INTRODUCTION .......................................................................................................................... 22 3.2 DESCRIPTION DU DATASET ........................................................................................................ 22 3.3 CONCEPTION DU MODELE ......................................................................................................... 24 3.4 IMPLEMENTATION ET EVALUATION DU MODELE CPDL ............................................................. 26 3.4.1 ENVIRONEMENT ET OUTILS D’IMPLEMENTATION ..................................................................... 26 3.4.2 IMLEMENTATION DU MODELE CPDL AVEC PYTHON .................................................................. 29 3.4.3 EVALUATION DU MODELE CPDL .............................................................................................. 35 3.5 INTERPRETATION DU MODELE CPDL .......................................................................................... 37 3.6 CONCLUSION .............................................................................................................................. 39 CONCLUSION GENERALE ................................................................................................. 40 Côte titre : MAI/0936

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0936	MAI/0936	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)